1) fault pattern recognition
故障模式识别
1.
Fault Pattern Recognition of Gear Based on Wavelet Neural Network;
基于小波神经网络的齿轮故障模式识别
2.
Study on EFC-RBF neural network algorithm and fault pattern recognition
EFC-RBF神经网络算法研究与故障模式识别
3.
A fault pattern recognition method of power electronic circuits based on two wavelet neural networks is presented.
提出了基于两种不同小波神经网络的电力电子电路故障模式识别方法。
2) fault model identification
故障模式识别
1.
The study of fault model identification based on wavelet packet and neural network;
基于小波包预处理的神经网络故障模式识别的研究
3) fault diagnosis
故障识别
1.
Whole cycle symptom abstract and fault diagnosis based on the wavelet packet decomposition;
基于小波包分解的整循环征兆提取与故障识别
2.
This article utilized the information-fusion method in neural networks to construct an on-line sensor fault diagnosis model.
以燃料电池发动机控制系统为背景,以该系统的多种传感器为研究对象,利用神经网络信息融合的方法,构建了传感器的在线故障识别模型,给出了其算法。
3.
Through a special data dealing process, con tents of five characteristic gases obtained by DGA are transformed, and 6 charac teristic components for fault diagnosis are distilled for SVMs.
提出了一种基于多级支持向量机分类器的电力变压器故障识别方法。
4) fault identification
故障识别
1.
HVDC transmission system fault identification and locating algorithm using mathematical morphology;
基于形态学的HVDC线路故障识别与定位方法研究
2.
Roller bearing fault identification based on slice bi-spectrum analysis;
基于切片双谱分析的滚动轴承故障识别研究
3.
Applications of gray nerve network in the fault identifications of gear box;
灰色神经网络在齿轮箱故障识别中的应用
5) fault recognition
故障识别
1.
The fault recognition of phase differential HF protection using wavelet analysis;
基于小波分析的相差高频保护故障识别
2.
Data Acquisition Using TMS320F2812 and Power Cable Fault Recognition;
基于TMS320F2812的数据采集及电力电缆故障识别
3.
The feasibility analysis of equipment fault recognition using longrange correlation of time series is discussed and the detrend fluctuation analysis is used in equipment fault recognition.
对时间序列的长程相关性用于设备故障识别进行了可行性研究。
补充资料：故障模式影响分析
故障模式影响分析
failure mode effect analysis; FMEA
gUzhO叩徉幻shi Yingx心ng fenxi故阵模式影响分析(俪l二m记ee任沈tar园y-滋。;FMEA)分析所设计的产品各组成单元的潜在故障模式，分析故障模式对所设计产品功能的影响，并按故障模式产生影响的严酷度分成4类(①灾难的，②致命的，③一般的，④轻度的)，分类列表提出改进对策。万侧田A随不同使用对象而有不同名称，如:设计FMEA(奋n任A)，生产工艺PMEA(卜f、田A)、使用日EA(u-n肛认)等。 要对系统任务、功能、工作方式、组成、关系、环境应力剖面及对应的故障检测方法等有一定程度的了解。要确定分析到新产品的哪一最低层次的硬、软件或接口(包括人一机接口)，这一项工作叫定义产品。产品定义越清楚，故障模式及其影响也越正确。把分析到确定的最低层次单元的所有潜在故障填人PMEA表格中。典型的荃初EA(故障模式影响分析)表的项目包括:①产品代号;②产品或功能标志;③功能;④故障模式;⑤故障原因;⑥任务阶段;⑦局部影响、高一层次影响、最终影响;⑧故障检测方法;⑨补偿措施;⑩严酷度类别;0备注。按各项的要求，一步步分析填人。 万MEA采用自下而上的分析法。从产品约定的最低层次起，分析每个故障模式对上一层次、直到对产品的最终影响。对于影响严酷度高的故障，应该在设计、工艺、管理上采取针对性措施予以补救。特别要注意那种一出现就会导致产品致命或灾难性影响的所谓单点故障。在研制、开发早期就要进行FMEA，并随着设计的深人不断反复及深化进行。n住A的主要用途有: ①检查产品设计的正确性。特别是是否还存在事先不能检测的单点故障。 ②把I洲压沐的分析结果倒过来使用，就是在产品出现故障现象时，用作判断故障部分的检索线索表。 ③有助于对产品的安全性及可布性作出评价。 ④为产品的维修性、测试性、保障性分析提供信息。 ⑤为确定纠正措施的优先顺序提供依据。 ⑥有助于为武器装备的生存能力及易损部分分析提供信息。 危害性分析(cri石以Ilityar园ysis;以)是把FMEA中的每一故障模式的严酷度与故障模式的出现概率结合起来分析其综合影响。 把fMEA与以结合起来叫FMECA，即故障模式影响及危害性分析。(丁以华)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条