学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
智能故障诊断
被引:3
作者
:
论文数:
引用数:
h-index:
机构:
董聪
郭晓华
论文数:
0
引用数:
0
h-index:
0
机构:
清华大学
郭晓华
机构
:
[1]
清华大学
[2]
中国科学院模式识别国家重点实验室 北京
[3]
北京
来源
:
计算机科学
|
1999年
/ 08期
关键词
:
Strain modal shape;
Displacement modal shape;
Damage location;
Face recognition;
D O I
:
暂无
中图分类号
:
TP18 [人工智能理论];
学科分类号
:
081104 ;
0812 ;
0835 ;
1405 ;
摘要
:
<正> 一、引言长期以来,基于动力特性的结构故障诊断方法一直是国际学术界和工程界关注的热点,但至今缺乏有效的解决方案。结构故障诊断的核心是损伤识别与定位,其中,损伤定位问题尤为困难。损伤识别属于广义模式识别的范畴,因此,从逻辑的角度讲,要进行损伤识别与定位,首先需要解决损伤标识量的选择问题,即决定以哪些物理量为依据能够更好地识别和标定损伤的程度与方位。我们发现,用于损伤识别的物理量可以是全局量,如结构的固有频率等,但用于损伤定位的物理量最好是局域量,且
引用
收藏
页码:19 / 22+33 +33
页数:5
相关论文
未找到相关数据
未找到相关数据