针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号,通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量,应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射,现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障

一、函数的极值 1.函数的极值与最值的区别 函数的极大(小)值与整个区域上的最大(小值不可混为一谈,前者是指函数在一点 附近的最大(小)值,是局部性的,后者是函数在整个区域上的最大(小)值,是整体性的

1、按电阻是否与头尺小有关,如果两无关,为什么人功率轴 头的尺计大,小功率触头的尺寸小? 2、短时川电流造成的头焙焊是否与触头尺寸有关,关的触头 尺小如何决定

小麦条锈病 Wheat Stripe Rust 条锈病是世界范围的小麦病害,在西欧和北美太平洋沿岸麦区广泛发生。在我国是小 麦三种锈病中发生最广、危害最重的病害,主要发生于西北、西南、黄淮海等冬麦区和西 北春麦区,流行年份可造成巨大损失

呵呵现在任给一函数f(x),我们怎么知道小波级数可以无限逼近这个函数呢 我们想象任给beta>0,可以将f(x)曲线按每beta长度分成很多小段,对应很多点 若我们可以用一函数g(x)来拟合这些点,那么g(x)和(x)在任意x上的误差将小于beta 若点数量为2^n个那么我们就可以分别用^(n-1)个L波和2^(n-1)个H波拟合 然后可将L波再分解,最后得到一棵树(分解的级数由你决定)

若一物体可用颜色和大小表示,我们称颜色和大小为特征基,构成此物体特征描述空间。 大小和颜色是互不相干的2种描述,我们称其为正交。同时若这些基的能够完全表示 所有物体,我们称其为完备特征基。若特征基完备且正交,人们就可以在特定特征上对比事物 而不受其他特征上的信息干扰,但由于人们的认知形成过程,特征基并非完全正交

提出了一种用于轧辊偏心控制的多分辨小波控制器,它利用小波对轧制力信号进行多分辨分解.机架的轧制力中包含着许多潜在因素的累积影响,比如压下环节的动特性、轧辊偏心、测量噪声、外部干扰等,这些影响体现在不同的尺度上.通过小波的多分辨分解,这些不同尺度上的信息被区分开来,然后在控制中对轧辊偏心进行补偿.仿真实验表明该方法是有效的

最小距离法是一种应用非常广泛的状态识别算法,但其在使用过程中要求待识别样本必须符合类内距离较小、类间距离较大这一前提条件,否则将会造成识别错误.针对最小距离法存在的问题,提出了一种基于人工神经网络的改进最小距离法,并将该方法应用于加热炉工况的状态识别.结果表明,该方法具有识别速度快、识别率高的优点,完全能够满足工业生产过程的需要

第一节参数的最小二乘估计 第二节单因素方差分析的最小二乘估计 第三节二因素方差分析(不考虑交互作用)的最小二乘估计 第四节二因素方差分析(有交互作用时)的最小二乘估计

由于受实验条件的影响,在用等温热重法进行稀土氧化物脱除烟气中SO2的动力学实验过程中有噪音信号的干扰,因而采用Daubechies(N=3)小波函数和Matlab软件讨论了小波变换方法消除热重实验噪音信号的影响因素.研究发现阀值的选取规则和软硬阀值处理方式对消除噪音信号的影响不大,分解层数则对消除噪音信号的影响较大.当信噪比变化平缓时所对应的分解层数是最佳分解层数.经Daubechies(N=3)小波函数消噪后得到的信号能够比较真实地反映等温热重实验的动力学过程