机译:人工神经网络和小波故障分类器性能的关键研究
机译:人工神经网络和小波故障分类器性能的关键研究
机译:基于小波神经网络的三相异步电动机匝间故障分类方法
机译:基于Ann的故障分类器,具有小波Mra生成的输入
机译:针对关键应用的容错高性能电机驱动器的研究
机译:信息融合和伪影检测可改善多通道脑波形分类器的性能。
机译:基于粒子群算法的最小二乘支持向量机分类器轴承故障诊断
机译:这项研究的背景是,在印度尼西亚航空高中Curug Tangerang的文凭III飞机工程学习计划(TPU学习计划)的学习飞机系统故障排除的学生中,无故障性能的表现很差。由于旨在提供学习经验的学习旨在采取正确的步骤对飞机系统进行故障排除而没有模块指导的故障,因此该学习受模拟器准备情况,学生准备情况和模块有效性的因素影响。初步研究表明,成绩不佳的原因是该模块无法指导学生正确无误地进行故障排除。这项研究的目的是确定学习疑难解答的当前状态,设计可以提高无故障性能的学习模块,制定学习步骤,进行无故障性能评估,并分析使用学习模块的影响。使用研究与开发方法论,通过初步研究,模块的计划和准备以及模块的开发和测试三个主要研究阶段,对11个批次III文凭III的56名学生进行了研究,直到发现有效地改善无故障性能的模块。更广泛的试验结果。通过与讲师的访谈,课程文件和模块的学习文件,对学生的问卷调查,学习结果测试和实际观察来进行数据收集。研究结果是一个有效的学习模块,可提高无限制性能,这是通过在有限且较宽的测试中通过统计计算t-计数t-t表显示的结果以及在每个试验阶段的平均值均得到提高而得出的。这一增加表明,新模块内容的开发将通过增加故障排除中子能力的实现,即识别损坏,确定损坏程度,消除损坏以及修理或更换零件,从而对提高无故障性能的实现产生重大而有效的影响。
机译:基于确定性退火神经网络的贝叶斯分类器在航空器故障分类中的应用