本文關(guān)鍵詞：動態(tài)測試技術(shù)課程，由筆耕文化傳播整理發(fā)布。

淺析智能診斷與動態(tài)測試技術(shù)課程論文 導(dǎo)讀： 天津大學(xué) 2014～2014 學(xué)年第一學(xué)期研究生課程論文試題 課程名稱：智能診斷與動態(tài)測控技術(shù) 課程編號： S201E012
學(xué)院名稱：
學(xué)號：
姓名：
成績：
課程論文題目：1.神經(jīng)網(wǎng)絡(luò)技術(shù)在（ ）智能診斷中的應(yīng)用現(xiàn)狀及發(fā)展 2.小波分析在（ ）故障診斷中的應(yīng)用現(xiàn)狀及發(fā)展 3.支持向量機在（ ）智能診斷中的應(yīng)用現(xiàn)狀及發(fā)展
基本要求：1.
論文格式按照發(fā)表論文格式(題目，摘要，關(guān)鍵詞，正文，參考文 獻(xiàn)) 2.
對象自選，篇幅沒有要求，但要圍繞著某一類或一種部件或裝備 來論述，不要泛泛而論 3.
主要參考文獻(xiàn)為 2008 年后發(fā)表 4.
英文文獻(xiàn)占 30%，且論文中要真正引用其內(nèi)容 5.
論文要有條理性、邏輯性 6.
要有自己的觀點和思考，不要簡單復(fù)述參考文獻(xiàn)
課程論文提交時間：2014 年 11 月 8 日
注：課程名稱、課程編號、 課程題目、基本要求等項由任課 教師在印刷之前填寫，研究生提 交的課程論文附后。

第
1
頁 共
1
頁
智能診斷與動態(tài)測控技術(shù)課程論文
神經(jīng)網(wǎng)絡(luò)技術(shù)在旋轉(zhuǎn)機械智能診斷中的應(yīng) 用現(xiàn)狀及發(fā)展 婁金龍 天津大學(xué)機械學(xué)院機械工程專業(yè) 2014 級碩士生 摘要：利用人工神經(jīng)網(wǎng)絡(luò)理論和算法，設(shè)計出一種用于旋轉(zhuǎn)機械的智能故障診斷和決策系統(tǒng)，是實際應(yīng)用 中針對旋轉(zhuǎn)機械最有效、最精確的故障診斷方法。
本文首先簡要介紹機械故障診斷技術(shù)的發(fā)展?fàn)顩r，尤其 是在旋轉(zhuǎn)機械方面設(shè)備診斷技術(shù)的主要進(jìn)展，以及人工神經(jīng)網(wǎng)絡(luò)理論的主要內(nèi)容；其次，主要針對一種具 有代表性的旋轉(zhuǎn)機械——風(fēng)機，詳細(xì)介紹其基于神經(jīng)網(wǎng)絡(luò)技術(shù)的監(jiān)測診斷系統(tǒng)；最后，本文還論述了基于 神經(jīng)網(wǎng)絡(luò)技術(shù)的智能診斷系統(tǒng)的發(fā)展趨勢。
關(guān)鍵詞：旋轉(zhuǎn)機械 人工神經(jīng)網(wǎng)絡(luò) 智能診斷
0 前言 設(shè)備診斷的歷史和人類對設(shè)備的維修 方式緊緊相聯(lián)。
工業(yè)革命的發(fā)生使得機械設(shè) 備在工程實際中的應(yīng)用逐步增加， 而設(shè)備故 障的分析和維修越來越被人們重視起來。
起 初，由于設(shè)備發(fā)展迅速，流水線作業(yè)方式普 及開來，定期故障檢修成為有效方式，但是 到 60 年代，人們逐步意識到定期維修的一 些列弊病，開始變定期維修為預(yù)知維修，即 在設(shè)備運行過程中開始監(jiān)測和維護(hù)， 不僅避 免了設(shè)備故障帶來的損失， 而且避免了過生 維修，經(jīng)濟效益顯著。
設(shè)備診斷技術(shù)由此發(fā) 展起來。
因此設(shè)備診斷在現(xiàn)今階段的定義就在 于設(shè)備狀態(tài)的在線監(jiān)測和故障診斷， 并逐步 向智能化決策方向發(fā)展。
在世界范圍內(nèi)，美 國的設(shè)備診斷技術(shù)占有領(lǐng)先地位， 美國的許 多企業(yè)都開發(fā)出了具有完善監(jiān)測功能和診 斷功能的產(chǎn)品，在宇航、軍事、化工等方面 具有廣泛應(yīng)用， 而其他國家的設(shè)備診斷技術(shù) 發(fā)展也各具特色和優(yōu)勢， 如英國的摩擦診斷 方面，丹麥的振聲診斷方面，日本的診斷技 [1] 術(shù)應(yīng)用方面等 。
1
我國的診斷技術(shù)雖起步較晚， 但發(fā)展很 快。
目前我國在一些特定設(shè)備的診斷研究方 面成績突出。
尤其是在旋轉(zhuǎn)
上一篇論文：試論論文格式要求 下一篇論文：試論國貿(mào)課程論文

淺析智能診斷與動態(tài)測試技術(shù)課程論文 導(dǎo)讀：有分辨原因及故 障類型的能力。 智能診斷與動態(tài)測控技術(shù)課程論文1 基于神經(jīng)網(wǎng)絡(luò)技術(shù)的旋轉(zhuǎn)類機 械智能診斷概述 人 工 神 經(jīng) 網(wǎng) 絡(luò) （ Artificial Neural Networks，簡記作 ANN）是由具有適應(yīng)性 的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)， 它 的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界 物體所作出的交互反應(yīng)。  人工神經(jīng)網(wǎng)絡(luò)的主 要哲學(xué) 機械方面，一些 高校已經(jīng)開發(fā)出了自己的智能監(jiān)測診斷系 統(tǒng)，如西安交通大學(xué)的“大型旋轉(zhuǎn)機械計算 [2] 機狀態(tài)監(jiān)測與故障診斷系統(tǒng)” ，東北大學(xué) [3] 的“風(fēng)機工作狀態(tài)監(jiān)測診斷系統(tǒng)” 等。
從上世紀(jì) 80 年代開始，人工神經(jīng)網(wǎng)絡(luò) 技術(shù)開始被運用于機械設(shè)備診斷系統(tǒng)中， 并 發(fā)揮了非常好的效果， 主要有以下 3 個原因： （1）訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)能夠存儲有關(guān) 過程的知識，能直接從定量的、歷史故障信 息中學(xué)習(xí)。
可以根據(jù)對象的正常歷史數(shù)據(jù)訓(xùn) 練網(wǎng)絡(luò)， 然后將此信息與當(dāng)前測量數(shù)據(jù)進(jìn)行 比較，以確定故障。
（2）人工神經(jīng)網(wǎng)絡(luò)具有濾除噪聲及在 有噪聲情況下得出正確結(jié)論的能力， 可以訓(xùn) 練人工神經(jīng)網(wǎng)絡(luò)來識別故障信息， 使其能在 噪聲環(huán)境中有效的工作， 這種濾除噪聲的能 力使得人工神經(jīng)網(wǎng)絡(luò)適合在線故障檢測和 診斷。
（3）人工神經(jīng)網(wǎng)絡(luò)具有分辨原因及故 障類型的能力。

智能診斷與動態(tài)測控技術(shù)課程論文
1 基于神經(jīng)網(wǎng)絡(luò)技術(shù)的旋轉(zhuǎn)類機 械智能診斷概述 人 工 神 經(jīng) 網(wǎng) 絡(luò) （ Artificial Neural Networks，簡記作 ANN）是由具有適應(yīng)性 的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)， 它 的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界 物體所作出的交互反應(yīng)。
人工神經(jīng)網(wǎng)絡(luò)的主 要哲學(xué)基礎(chǔ)就是它們具有通過范例進(jìn)行學(xué) 習(xí)的能力，或者更技術(shù)地來說，它們可以系 統(tǒng)地改進(jìn)輸入數(shù)據(jù)且能反映到輸出數(shù)據(jù)上。
1.1 神經(jīng)網(wǎng)絡(luò)的基本模型 神經(jīng)網(wǎng)絡(luò)是一種運算模型， 由大量的節(jié) 點（或稱“神經(jīng)元”，或“單元”）和之間相互 聯(lián)接構(gòu)成。
每個節(jié)點代表一種特定的輸出函 數(shù)，稱為激勵函數(shù)（activation function） 。
每 兩個節(jié)點間的連接都代表一個對于通過該 連接信號的加權(quán)值，稱之為權(quán)重（weight） ， 這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。
人工神經(jīng)網(wǎng) 絡(luò)中，網(wǎng)絡(luò)處理單元的類型分為三類：輸入 單元、輸出單元和隱單元。
輸入單元接受外 部世界的信號與數(shù)據(jù)； 輸出單元實現(xiàn)系統(tǒng)處 理結(jié)果的輸出； 隱單元是處在輸入和輸出單 元之間，不能由系統(tǒng)外部觀察的單元。
神經(jīng) 元間的連接權(quán)值反映了單元間的連接強度， 信息的表示和處理體現(xiàn)在網(wǎng)絡(luò)處理單元的 連接關(guān)系中。
人工神經(jīng)網(wǎng)絡(luò)是一種非程序 化、適應(yīng)性、大腦風(fēng)格的信息處理，其本質(zhì) 是通過網(wǎng)絡(luò)的變換和動力學(xué)行為得到一種 并行分布式的信息處理功能， 并在不同程度 和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理功 能。
如下圖 1 所示：
圖 1 人工神經(jīng)網(wǎng)絡(luò)模型
1.2 神經(jīng)網(wǎng)絡(luò)的特點與智能診斷相結(jié)合 人工神經(jīng)網(wǎng)絡(luò)的特點和優(yōu)越性， 主要表 現(xiàn)在三個方面： 第一，具有自學(xué)習(xí)功能。
例如實現(xiàn)圖像 識別時， 只在先把許多不同的圖像樣板和對 應(yīng)的應(yīng)識別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)， 網(wǎng)絡(luò) 就會通過自學(xué)習(xí)功能， 慢慢學(xué)會識別類似的 圖像。
自學(xué)習(xí)功能對于預(yù)測有特別重要的意 義。

上一篇論文：試論論文格式要求 下一篇論文：試論國貿(mào)課程論文

淺析智能診斷與動態(tài)測試技術(shù)課程論文 導(dǎo)讀：原因是非常有幫助的， 通常情況 下， 人們希望在不拆開機器的情況下實現(xiàn)故 障部件的定位，所以，采用神經(jīng)網(wǎng)絡(luò)技術(shù)， 結(jié)合外加激勵和計算機測量分析技術(shù)來確 定故障原因，是一種很便捷的方法。  1.3 基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械智能診斷發(fā) 展現(xiàn)狀 正是基于神經(jīng)網(wǎng)絡(luò)的這些特點， 并結(jié)合 機械故障智能診斷的需要， 基于神經(jīng)網(wǎng)絡(luò)技 術(shù)的機械 比如利用神經(jīng)網(wǎng)絡(luò)進(jìn)行機械系統(tǒng)故障診 斷時， 神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能有能力通過一 些機器運轉(zhuǎn)參數(shù)， 比如工作頻率、 振動參數(shù)、 關(guān)鍵部件的溫度變化等， 提前預(yù)測機器故障 [4][5] 的出現(xiàn)，挽回?fù)p失 。
第二，具有聯(lián)想存儲功能。
用人工神經(jīng) 網(wǎng)絡(luò)的反饋網(wǎng)絡(luò)就可以實現(xiàn)這種聯(lián)想。
第三，具有高速尋找優(yōu)化解的能力。
尋 找一個復(fù)雜問題的優(yōu)化解， 往往需要很大的 計算量， 利用一個針對某問題而設(shè)計的反饋 型人工神經(jīng)網(wǎng)絡(luò)， 發(fā)揮計算機的高速運算能 力，可能很快找到優(yōu)化解。
這對于診斷機械 系統(tǒng)的故障原因是非常有幫助的， 通常情況 下， 人們希望在不拆開機器的情況下實現(xiàn)故 障部件的定位，所以，采用神經(jīng)網(wǎng)絡(luò)技術(shù)， 結(jié)合外加激勵和計算機測量分析技術(shù)來確 定故障原因，是一種很便捷的方法。
1.3 基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械智能診斷發(fā) 展現(xiàn)狀 正是基于神經(jīng)網(wǎng)絡(luò)的這些特點， 并結(jié)合 機械故障智能診斷的需要， 基于神經(jīng)網(wǎng)絡(luò)技 術(shù)的機械故障診斷應(yīng)用逐漸普遍起來。
其中 我國許多學(xué)者對該方面的研究已經(jīng)非常深 入， 如屈梁生教授等較早的利用人工神經(jīng)網(wǎng)
2
智能診斷與動態(tài)測控技術(shù)課程論文
絡(luò)對大型旋轉(zhuǎn)機械的各種故障進(jìn)行了全面 的研究， 研究了如何從現(xiàn)場故障信號中提取 故障特征并將全息診斷法應(yīng)用于神經(jīng)網(wǎng)絡(luò) 診斷系統(tǒng)中[2]；虞和濟教授等對機械設(shè)備故 障診斷的人工神經(jīng)網(wǎng)絡(luò)法進(jìn)行了深入的研 究[3]，建立了旋轉(zhuǎn)機械神經(jīng)網(wǎng)絡(luò)的分類系統(tǒng) 并得到了應(yīng)用，取得了滿意的效果；張煒等 學(xué)者則對旋轉(zhuǎn)機械故障診斷中的神經(jīng)網(wǎng)絡(luò) 算法進(jìn)行了研究，采用動態(tài)學(xué)習(xí)法，引入了 控制因子，結(jié)果表明這種改進(jìn)提高了 BP 網(wǎng) 絡(luò)的收斂速度，改善了網(wǎng)絡(luò)的性能，具有實 際應(yīng)用意義。

子系統(tǒng)。
完整的監(jiān)測診斷系統(tǒng)框圖如下圖 3 所示： 振動監(jiān)測 溫度監(jiān)測 噪聲監(jiān)測 油液分析 性能分析
振 軸 譜 振 動 心 分 值 方 軌 析 向 跡 監(jiān) 測 及 信 號 處 理 系 統(tǒng) 顯示、打印、存儲 超限？ Y 報警 N
風(fēng) 風(fēng) 功 量 壓 率
故障診斷與決策
圖 3 風(fēng)機系統(tǒng)狀態(tài)監(jiān)測和故障診斷系統(tǒng)
2 風(fēng)機監(jiān)測診斷系統(tǒng)實例 2.1 風(fēng)機監(jiān)測診斷系統(tǒng)的構(gòu)成 風(fēng)機是工礦企業(yè)的重要設(shè)備。
由于種類 不同， 生產(chǎn)實際中的作用也不盡相同， 因此， 對于不同種類風(fēng)機的監(jiān)測方法和硬件設(shè)備 也不相同， 但總的思路是對一般作用的風(fēng)機 可采用離散點檢測方法， 用便攜測振和測聲 工具或數(shù)采系統(tǒng)進(jìn)行巡檢， 發(fā)現(xiàn)故障征兆后 再重點監(jiān)視和精確診斷。
對于具有關(guān)鍵作用 的重要風(fēng)機， 則采用實時的在線監(jiān)測和故障 診斷系統(tǒng)。
常見的風(fēng)機工作系統(tǒng)及傳感器布置如 下圖 2 所示：
2.2 風(fēng)機監(jiān)測診斷系統(tǒng)的設(shè)計 圖 3 中的故障診斷和決策系統(tǒng)是整個系 統(tǒng)智能化的核心部分， 它的結(jié)構(gòu)即為神經(jīng)網(wǎng) [5] 絡(luò)結(jié)構(gòu) ，如下圖 4 所示。
在前置的信號處 理模塊中， 對溫度和性能信號只需簡單的平 滑
上一篇論文：試論論文格式要求 下一篇論文：試論國貿(mào)課程論文

淺析智能診斷與動態(tài)測試技術(shù)課程論文 導(dǎo)讀： 連接處理，而對于振動信號，除了振動值 大小和方向外， 還采用了小波分析對信號進(jìn) 行了頻帶分析，以作為待診斷的案例。
信號輸入 信 息 分 配 神 經(jīng) 網(wǎng) 絡(luò)
風(fēng)機 NN1 NN2
電機 NNn NN1 NN2


NNn
決 策 融 合 網(wǎng) 絡(luò) 結(jié)論
電機
風(fēng) 機
圖 4 風(fēng)機系統(tǒng)集成神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)
振動
溫度
油液
噪聲
性能
圖 2 風(fēng)機工作系統(tǒng)及傳感器布置
可見， 風(fēng)機工作系統(tǒng)主要由風(fēng)機和電機 兩部分組成。
按照監(jiān)測參數(shù)類型，總系統(tǒng)又 可分為振動、溫度、油液、噪聲和性能五個 3
由于風(fēng)機工作系統(tǒng)主要由風(fēng)機和電機 兩部分組成，因此診斷網(wǎng)絡(luò)也分為兩大部 分， 來自這兩部分的信號由信息分配網(wǎng)絡(luò)完 成定位。
實際上，風(fēng)機和電機診斷都由兩個 網(wǎng)絡(luò) NN1、NN2 組成。
NN1 以振動信號小波 頻帶分解能量為特征向量，共有 8 個輸入， 診斷 10 種故障，NN2 則以油溫、振動方向 和振動烈度為輸入，共有 4 個輸入，診斷 5 種故障。
從兩者的輸入量類型來看，NN1 以 時頻信號為主，NN2 則以時域信號為主。
網(wǎng)
智能診斷與動態(tài)測控技術(shù)課程論文
絡(luò) NN2 的另一個功能是完成故障定位。
由于 輸入信號中包含了傳感器位置信息， 因此可 以另外加上一個位置節(jié)點。
兩個網(wǎng)絡(luò)形成了 如圖 5 和圖 6 所示的節(jié)點結(jié)構(gòu)圖。
不平衡 頻帶1 頻帶2 頻帶3 頻帶4 頻帶5 頻帶6 頻帶7 頻帶8 輸入單元 輸出單元 軸承損壞 亞諧共振 聯(lián)軸器損壞 不對中 軸承座松動 不等軸承剛度 基礎(chǔ)共振 機殼變形 軸向碰磨 隱單元
善的標(biāo)準(zhǔn)樣本后， 可以以子網(wǎng)絡(luò)的形式加入 到集成網(wǎng)絡(luò)種來，這樣一來，系統(tǒng)就充分利 用了各種采集到的信號， 并能夠在這些信號 的接受、存儲和判別過程中“積累經(jīng)驗” ， 從而實現(xiàn)智能自動診斷行為。
由于診斷系統(tǒng)由神經(jīng)網(wǎng)絡(luò)組成，因此， 采集到的信號經(jīng)過處理后，形成待診斷向 量，只用進(jìn)行簡單的匹配計算，決策融合后 即可給出最終的診斷結(jié)論， 并能給出相應(yīng)的 維護(hù)意見，整個過程可瞬時完成。
設(shè)備運行 出現(xiàn)異常后，即可進(jìn)行自動診斷，并立即給 出診斷結(jié)果和建議，其間并不需要人工干 預(yù)，體現(xiàn)了高度的智能化行為。

圖 5 網(wǎng)絡(luò) NN1 結(jié)構(gòu) 軸向碰磨 油溫 聯(lián)軸器損壞 水平振值 不對中 不等軸承剛度 軸承座松動 位置 輸入單元 隱單元 輸出單元

3 基于神經(jīng)網(wǎng)絡(luò)的智能診斷的發(fā) 展動向 智能診斷系統(tǒng)的核心問題是它的學(xué)習(xí) 能力問題， 知識的自動獲取一直是故障診斷 專家系統(tǒng)的難點，， 解決知識獲取的途徑是機 器學(xué)習(xí)， 即讓機器能夠在實際工作中不斷地 總結(jié)成功和失敗的經(jīng)驗教訓(xùn)， 對知識庫中的 診斷知識進(jìn)行調(diào)整和修改， 以豐富和完善系 [11] 統(tǒng)知識。
機器學(xué)習(xí)是提高診斷專家系統(tǒng)的 主要途徑， 也是提高診斷系統(tǒng)智能性的重要 標(biāo)志。
隨著神經(jīng)網(wǎng)絡(luò)隱節(jié)點和反向傳播算法 及連接機制學(xué)習(xí)蓬勃發(fā)展， 傳統(tǒng)的符號學(xué)習(xí)
上一篇論文：試論論文格式要求 下一篇論文：試論國貿(mào)課程論文

淺析智能診斷與動態(tài)測試技術(shù)課程論文 導(dǎo)讀：旋轉(zhuǎn)機械狀態(tài)監(jiān)測與故障診斷系統(tǒng) . 上一頁 1 2 3 4 5 6 下一頁 與連接機制已經(jīng)逐步被取代。
基于生物發(fā)育 進(jìn)化論的進(jìn)化學(xué)習(xí)系統(tǒng)和遺傳算法， 因吸取 了歸納學(xué)習(xí)與連接機制學(xué)習(xí)的長處而受到 重視。
基于行為主義的強化學(xué)習(xí)系統(tǒng)因發(fā)展 新算法的應(yīng)用連接機制， 學(xué)習(xí)遺傳算法的新 成就發(fā)展也十分迅速。
數(shù)據(jù)挖掘研究的蓬勃 發(fā)展， 為從計算機數(shù)據(jù)庫和計算機網(wǎng)絡(luò)提取 有用信息和知識提供了新的方法， 已經(jīng)取得 了許多有價值的研究和應(yīng)用成果。
因此，發(fā)展和完善現(xiàn)有的機器學(xué)習(xí)方 法，探索新的學(xué)習(xí)方法，建立更為實用的機 器學(xué)習(xí)系統(tǒng)， 特別是多種學(xué)習(xí)方法協(xié)同工作
垂直振值 軸向振值
圖 6 網(wǎng)絡(luò) NN2 結(jié)構(gòu) 這樣， 風(fēng)機經(jīng)網(wǎng)絡(luò) NN1 診斷的結(jié)果將形 成一個十維輸入量， 經(jīng)網(wǎng)絡(luò) NN2 診斷的結(jié)果 將形成一個六維輸入量， 兩者在決策融合神 經(jīng)網(wǎng)絡(luò)中進(jìn)行運算，并輸出某些特征值，這 些特征值與經(jīng)驗值做出比較， 從而判斷是否 超過極限，若超出極限，系統(tǒng)將報警并做出 相應(yīng)決策。
此外，在該系統(tǒng)運行過程中，若其中一 個網(wǎng)絡(luò)沒有輸出結(jié)果時， 系統(tǒng)同樣能夠輸出 結(jié)果， 因為此時系統(tǒng)相當(dāng)于利用單子網(wǎng)絡(luò)進(jìn) 行故障診斷， 這種設(shè)計大大增加了系統(tǒng)的抗 干擾能力。
2.3 系統(tǒng)的智能自動化行為 在該風(fēng)機智能診斷系統(tǒng)中， 其他來自風(fēng) 機的信號，如噪聲，油液分析等，在形成完
4
智能診斷與動態(tài)測控技術(shù)課程論文
的診斷系統(tǒng)，將是今后研究的一個重要方 向。
參 考 文 獻(xiàn) [1] 鐘秉林， 黃仁.機械故障診斷學(xué) （第三版）[M].
北京:機械工業(yè)出版社.2007.
[2] 屈梁生 .
人工神經(jīng)網(wǎng)絡(luò)與機械工程中的智能 化 問 題 [J].
中 國 機 械 工 程,1997,02:1-4+121.
[3] 陳長征 , 張省 , 虞和濟 .
基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn) 機 械 故 障 診 斷 研 究 [J].
度,2000,02:104-106+112.
[4] 易建鋼 .
冶金風(fēng)機智能診斷系統(tǒng)研究 [D].
武 漢科技大學(xué),2007.
[5] 曾良才 , 曾永龍 , 傅連東 , 易建鋼 , 涂福泉 .
神 經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的風(fēng)機智能診斷系統(tǒng)研究 [J].
礦山機械,2008,03:14-16.
[6] 張西寧 , 李艾華 , 屈梁生 .
大型回轉(zhuǎn)機械實時 在線監(jiān)測和故障診斷網(wǎng)絡(luò)系統(tǒng)的研制 [J].
機 械科學(xué)與技術(shù),1998,05:133-135.
[7] Howard I.
A Review of Rolling Element Bearing Vibration'Detection, Diagnosis and Prognosis'[R].
DEFENCE SCIENCE AND TECHNOLOGY ORGANIZATION CANBERRA (AUSTRALIA), 2009.
[8] 張雪江,何永勇,毛玉良, 賈民平,鐘秉林,黃仁.
旋轉(zhuǎn)機械狀態(tài)監(jiān)測與故障診斷系統(tǒng) [J].
上一篇論文：試論論文格式要求 下一篇論文：試論國貿(mào)課程論文

  本文關(guān)鍵詞：動態(tài)測試技術(shù)課程，由筆耕文化傳播整理發(fā)布。