利用伪模态能量与神经模糊模型进行故障分类
人工智能
2007-05-23 v1
摘要
本文提出了一种故障分类方法，该方法利用 Takagi-Sugeno 神经模糊模型和从圆柱壳振动信号中计算得出的伪模态能量。此前研究发现，出于状态监测目的，计算伪模态能量是从振动信号中提取特征的准确方法。因此，该计算被用于从多样化的圆柱壳群体获得的振动信号中提取特征。该群体中的部分圆柱在不同子结构中存在故障。从振动信号计算出的伪模态能量随后作为输入送入神经模糊模型。采用留一法交叉验证过程来测试模型性能。研究发现，神经模糊模型能够以 91.62% 的准确率对故障进行分类，高于此前使用的多层感知机。
引用
@article{arxiv.0705.2236,
title = {Fault Classification using Pseudomodal Energies and Neuro-fuzzy modelling},
author = {Tshilidzi Marwala and Thando Tettey and Snehashish Chakraverty},
journal= {arXiv preprint arXiv:0705.2236},
year = {2007}
}
评论
8 pages, In Proceedings of the Asia-Pacific Workshop on Structural Health Monitoring, Yokohama, Japan, 2006