基于匹配滤波模型神经网络在数控机床故障诊断中的应用

来源 :上海交通大学学报 | 被引量 : 0次 | 上传用户:guanzheng52824
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了改善双向联想记忆(BAM)神经网络的性能,提出了一种修正模型.该模型能增强神经网络的记忆容量和容错联想能力,具有渐进稳定的特征,并且改进了网络平衡状态的稳定性和吸引性能.理论分析和实验结果证明,这种修正模型不仅能正确完成数控(CNC)机床的故障诊断,而且对于存在干扰的输入信号序列具有很好的容错联想能力.
其他文献
针对经典的概率论不能有效地处理检测概率的参数不确定性问题,提出了定量分析检测概率参数不确定性问题的贝叶斯方法,并以威布尔分布形式的检测概率为例,推导了量化参数不确
证明了非锐化掩模滤波等价于具有Huber流导函数的PM异质扩散.基于最小可信尺度和局部尺度控制,提出一种用于对数压缩超声图像斑点噪声抑制的异质扩散(LSCAD)方法.该方法无需
基于自适应理论提出了一种任意阵列天线方向图综合算法.该算法采用模值逼近,并利用牛顿迭代法二次收敛的特点,使综合最优化方向图的速度达到非线性收敛.该方法能够有效地控制
提出的算法仅利用一个导音符号来进行符号定时恢复,适合与突发模式的正交频分多路(OFDM)信号,而且OFDM帧同步和符号同步能一次完成,简化同步实现的复杂度,算法采用自相关计算