故障诊断方向论文引用文献推荐

　　关于故障诊断方向论文引用文献有很多，选择引用的参考文献直接关系到文章的质量，所以选择文献要注意，不能脱离论文的主题，例如文章是关于故障诊断方向的，就不能引用无关的文献，引用文献要能够突出文章的主题，这是选择参考文献的一个基本原则，这里就汇总了部分关于故障诊断可以引用的文献推荐：

　　一、基于行波理论的输电线路故障诊断方法研究

　　摘要：运行中的输电线路发生故障时，会在故障点产生向两侧传播的电流行波和电压行波。电流行波和电压行波又统称为故障行波，故障行波会在阻抗不连续点发生折射和反射，由此可以通过采集并分析故障行波得到线路故障信息。利用相模变换对三相电流行波进行解耦，通过解耦后得到的独立模量之间的关系可以确定故障类型和故障相，再利用小波变换模极大值的方法标定行波波头，通过波头信息可以得到故障点距离。仿真结果显示，该方法能准确地确定故障类型和故障相，对故障点距离的定位也能达到很高的精度。

　　来源：软件工程. 2022,25(07)

　　二、基于纹理图像的强抗干扰性轴承故障诊断方法

　　摘要：针对传统时频分析与卷积神经网络(CNN)结合的轴承故障诊断模型抗噪性能差的问题，提出了一种能高效提取振动信号特定频段信息并具有强抗干扰性的卷积神经网络模型。首先根据诊断对象的型号与运转状态，自适应地将一维振动信号转换成二维CNN善于处理的纹理图像，再输入首层超大卷积核的强抗干扰性卷积神经网络中进行训练。为了验证模型的抗噪性和准确性，设计了模型抗噪测试和故障定位测试。

　　来源：轴承.北大核心(录用定稿)网络首发时间：2022-07-06 11:08:36

　　三、特征筛选与SVM结合的风机轴承故障诊断研究

　　摘要：由于城市轨道交通频繁运行，地铁风机滚动轴承的故障特征极易被复杂多变的背景噪声所掩盖。针对这一问题，提出了一种基于特征筛选与支持向量机(SVM)的故障诊断方法。首先，从轴承原始监测信号中提取多尺度特征，构建轴承常见故障状态下的健康指标特征集;其次，利用拉普拉斯评分对处于故障状态下的健康指标特征集与正常状态下的健康指标特征集进行对比，获得健康指标敏感程度权重分数，筛选出敏感故障特征;最后，运用SVM算法对筛选出的特征进行故障识别，从而准确地实现地铁风机滚动轴承的故障诊断。通过在实际轴承故障数据集上的故障诊断实验，证明了提出方法的有效性和优越性。

　　来源：机械设计与制造.北大核心(录用定稿)网络首发时间：2022-07-08 09:59:25

　　四、基于CatBoost算法的光伏阵列故障诊断方法

　　摘要：针对基于传统机器学习算法的光伏阵列故障诊断方法需要大量训练集的问题，提出了基于CatBoost算法的故障诊断方法，实现小规模训练集下不同程度故障的准确诊断。建立了光伏组件等效电路模型，考虑短路、开路、老化、局部阴影下不同程度的光伏阵列故障，分析包含旁路二极管和阻塞二极管的光伏阵列的伏安特性曲线变化特性，构建反映不同故障特性的特征量，作为光伏阵列故障诊断方法的输入向量。使用CatBoost算法对小规模训练集进行训练，建立基于CatBoost算法的故障诊断模型。为验证所提方法的效果，分别进行了仿真和实验分析。将所提方法与传统神经网络算法、其他决策树算法进行对比，验证了所提方法在小规模训练集下的准确性与稳定性。

　　来源：电力系统自动化(录用定稿)网络首发时间：2022-06-30 20:37:44

　　推荐阅读：如何选择故障诊断方向专业的期刊

《故障诊断方向论文引用文献推荐》内容如果没能解决您的问题，可免费咨询在线学术顾问获取解答。

本文由期刊VIP网编辑首发，您身边的高端学术顾问

文章名称： 故障诊断方向论文引用文献推荐

文章地址： http://www.qikanvip.com/write/62606.html