武漢星興達液壓氣動設備有限公司為您提供更多油泵型號 力士樂電磁閥DBW10B1-5X/315-6EG24N9K4
DBW10/20/30B1-5X/100-6EG24N9K4
DBW10/20/30B2-5X/100-6EG24N9K4
DBW10/20/30A1-5X/100-6EG24N9K4
DBW10/20/30A2-5X/100-6EG24N9K4
DBW10/20/30B1-5X/200-6EG24N9K4
DBW10/20/30B2-5X/200-6EG24N9K4
DBW10/20/30A1-5X/200-6EG24N9K4
DBW10/20/30A2-5X/200-6EG24N9K4
DBW10/20/30B1-5X/315-6EG24N9K4
DBW10/20/30B2-5X/315-6EG24N9K4
DBW10/20/30A1-5X/315-6EG24N9K4
DBW10/20/30A2-5X/315-6EG24N9K4
DBW10/20B1-5X/350-6EG24N9K4
DBW10/20B2-5X/350-6EG24N9K4
DBW10/20A1-5X/350-6EG24N9K4
DBW10/20A2-5X/350-6EG24N9K4
隨著大型復雜機械設備對故障診斷精度要求的不斷提高,從20世紀80年代開始,基于非線性濾波技術(shù)的混合智能故障診斷與預測方法已經(jīng)成為本領域的研究熱點。其具體的應用原理框圖如圖1所示。大型運行設備在獲取多個特征信息以后,如何通過有效的非線性濾波方法對系統(tǒng)的狀態(tài)進行精確的濾波處理是混合智能診斷技術(shù)的關鍵一步。目前,在工程實際應用中的非線性濾波方法主要有:交互式多模型(interactingmultiplemodel,IMM)、序貫概率比檢驗(sequentialprobahilityratiotest,SPRT)、強跟蹤濾波(strengthtrackingfilter,STF)等幾種方法。其中,IMM是一種模型自適應濾波器,該方法缺少對于模型參數(shù)的自適應能力,容易使得IMM在模型轉(zhuǎn)換時刻出現(xiàn)較大的估計誤差;SPRT基于信息積累的假設檢驗思想,在豐富的專家知識和充分先驗信息的前提下可行實現(xiàn)很好的效果,但故障修復后自適應處理能力比較差,工程應用中不好推廣;STF是一種系統(tǒng)狀態(tài)和參數(shù)自適應算法,采用強行殘差白化策略實現(xiàn)偏差自適應校正,在一定程度上提升了EKF估計精度,但缺乏對于模型的自適應能力。
武漢星興達液壓氣動設備有限公司為您提供更多油泵型號 力士樂電磁閥DBW10B1-5X/315-6EG24N9K4