1、復(fù)雜的大中型機(jī)電設(shè)備的狀態(tài)檢測(cè)和故障診斷理論與方法是一個(gè)熱門研究領(lǐng)域，狀態(tài)檢測(cè)和故障診斷雖有許多理論和方法，但與實(shí)際的需求相比，還有相當(dāng)多的問題有待研究。 針對(duì)目前機(jī)電設(shè)備狀態(tài)檢測(cè)方法的研究現(xiàn)狀，及LabVIEW軟件平臺(tái)本身存在的不足，應(yīng)用NI的LabVIEW設(shè)計(jì)了以常用機(jī)電設(shè)備的各種電氣特征量和環(huán)境參數(shù)為檢測(cè)量的機(jī)電設(shè)備虛擬檢測(cè)系統(tǒng)，研究了基于LabVIEW的機(jī)電設(shè)備狀態(tài)虛擬檢測(cè)方法，具體分析和研究?jī)?nèi)容包括以下幾個(gè)方面：Lab

2、VIEW平臺(tái)上的數(shù)據(jù)預(yù)處理方法研究、基于小波分析的狀態(tài)特征信息提取方法的LabVIEW實(shí)現(xiàn)研究，并通過建立實(shí)驗(yàn)?zāi)Ｐ?，研究了虛擬檢測(cè)系統(tǒng)的性能。在小波分析的基礎(chǔ)上，實(shí)現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)的故障識(shí)別方法。將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于故障模式的識(shí)別，分析了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本的設(shè)計(jì)方法，進(jìn)行了故障智能診斷的實(shí)驗(yàn)室仿真，研究表明這種識(shí)別方法是有效的。采用神經(jīng)網(wǎng)絡(luò)診斷方法，有利于提高故障診斷的性能以及減少象專家系統(tǒng)那樣需對(duì)大量數(shù)據(jù)進(jìn)行分析整理歸納的工作量。