排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
2.
针对电液伺服作动器早期故障信号的微弱性和故障特征分布的未知性,提出了一种基于Parzen窗估计的故障检测和健康评估算法;采用多重判别分析提取作动器故障特征向量,利用窗函数法估计故障特征概率密度函数,通过监测作动器故障特征概率密度分布相对于正常状态的偏离,将不易检测的故障信号转化为容易观测到的距离信息评估作动器状态的健康状况;仿真结果证明了该方法的可行性和有效性。 相似文献
3.
针对飞控系统早期故障信号的微弱性和不易检测性,提出了一种基于贝叶斯决策的飞控系统状态监测和健康管理新算法;采用最大似然估计法对故障特征向量概率密度函数进行参数估计,监测飞控系统故障特征概率密度分布相对于正常状态的偏离,将不易检测的故障信号转化为容易观测到的偏离信息,实现飞控系统状态的健康评估;以某型电液伺服作动器为例,采用上述方法对其进行状态监测和健康管理,仿真结果证明了该方法的可行性和有效性。 相似文献
4.
针对电液伺服作动器早期故障信号的微弱性和不易检测性,提出了一种基于故障特征概率分布相对熵的健康评估算法.采用离线训练对正常状态特征概率密度进行参数估计,在线监测作动器特征概率密度分布相对于正常状态的相对熵,通过判断相对熵的值对伺服作动器的进行健康评估.仿真结果证明了该方法的可行性和有效性. 相似文献
1
