外文翻譯-- 基于小波的神經(jīng)探測器分析電機的低頻振動信號 （譯文）

1、中文 中文 6650 字出處： 出處：Bayram D, ?eker S. Wavelet based Neuro-Detector for low frequencies of vibration signals in electric motors[J]. Applied Soft Computing, 2013, 13(5):2683-2691.基于小波的神經(jīng)探測器分析電機的低頻振動信號 基于小波的神經(jīng)探測器分析電機的低頻振動信號

2、 Duygu Bayram?， Serhat SekerIstanbul Technical University， Electrical Engineering Department， 34469 Istanbul， Turkey文章信息文章歷史：于 2010 年 9 月 23 日收到初稿于 2012 年 9 月 1 日收到修改稿于 2012 年 11 月 24 日采納于 2012 年 12 月 11 日在網(wǎng)上發(fā)表摘要 摘要本研究提出

3、了一種基于小波的神經(jīng)探測器的方法來檢測一個有故障跡象的電機。故障的跡象，可以從低頻區(qū)域的振動信號中獲取。多分辨率小波應(yīng)用分析(多分辨率小波分析)是為了獲得低頻和高頻段的振動信號。因此利用光譜檢測故障的特性，正常情況下，功率譜密度(PSD)的部分波段用于自動聯(lián)想神經(jīng)網(wǎng)絡(luò)(AANN)來進行分析。在故障的情況下，可以利用訓(xùn)練網(wǎng)絡(luò)的輸入節(jié)點的自動聯(lián)想神經(jīng)網(wǎng)絡(luò)的過程來進行判斷。因此，仿真結(jié)果表明，低頻率區(qū)域的自動聯(lián)想神經(jīng)網(wǎng)絡(luò)的故障響應(yīng)可從光譜屬性

4、中體現(xiàn)。因此，電機的損傷和衰老過程可以通過一些特定的頻率進行相關(guān)的檢測和識別。©2008 Elsevier 公司保留所有權(quán)圖 1 分解和重建計劃低頻段的振動信號在正常情況下，可獲得不同的故障特征，被使用于訓(xùn)練一個自動聯(lián)想神經(jīng)網(wǎng)絡(luò) Auto Associative Neural Network(AANN)。自動聯(lián)想神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)是一種特殊的網(wǎng)絡(luò)輸入、輸出節(jié)點。網(wǎng)絡(luò)的輸出可用于定義故障情況下的譜密度[23]。使用這個屬性的自動

5、聯(lián)想神經(jīng)網(wǎng)絡(luò)，振動信號的譜密度在低頻帶的故障情況下，可應(yīng)用于訓(xùn)練獲得故障效應(yīng)的誤差變化[24]。已知的信號處理識別應(yīng)用程序，有很多技術(shù)在這一領(lǐng)域有所應(yīng)用。在這項研究中，為了設(shè)計一個神經(jīng)網(wǎng)絡(luò)自動聯(lián)想神經(jīng)網(wǎng)絡(luò)。為了這個目的，它被成功地用來確定光譜的變化數(shù)據(jù)。同時，它是一個有趣的應(yīng)用程序自動關(guān)聯(lián)拓撲結(jié)構(gòu)。就這些方面而言，自動聯(lián)想神經(jīng)網(wǎng)絡(luò)的混合使用在拓撲與小波變換(多分辨率小波分析)，這項研究是絕對原創(chuàng)。本研究的另一個有趣的點，它提供了使用基于

6、多分辨率小波分析順序濾波器結(jié)構(gòu)。因此，協(xié)同結(jié)構(gòu)形成了這些方法，每個方法都有支持它的力量。本研究的貢獻是新奇的形成一種混合結(jié)構(gòu)定義像一個基于小波的神經(jīng)網(wǎng)絡(luò)和觀測光譜性質(zhì)在低頻振動信號相關(guān)的區(qū)域的衰老過程。剩下的內(nèi)容組織如下。在第二節(jié)，數(shù)學(xué)研究的背景。實驗分析和測量系統(tǒng)是在第三節(jié)。第 4 節(jié)說明了應(yīng)用程序的執(zhí)行分析。仿真本節(jié)給出結(jié)果。最后，得出結(jié)論。第五節(jié)，對未來工作的一些建議。2 數(shù)學(xué)研究的背景 數(shù)學(xué)研究的背景在這項研究中有，有三個主要