| 变分模态分解与神经网络结合的轴承故障诊断 | |
| 杨洪柏1,2; 张宏利2; 蒋超2; 刘树林2 | |
| 2017-06-08 | |
| 发表期刊 | 机械设计与制造
 |
| ISSN | 1001-3997 |
| 卷号 | No.316期号:06页码:105-108 |
| 摘要 | 故障信号特征提取的准确性是保证故障智能诊断识别率的关键因素。低信噪比情况下,故障诊断效果下降。变分模态分解方法(VMD)在信号分解精度和抗噪方面具有明显优势。在分析VMD抗噪性能的基础上,提出以VMD分解的各模态能量作为智能诊断特征信息,并与小波包的特征信息进行对比研究。将滚动轴承两种故障特征信息通过BP神经网络识别,用不同信噪比的加噪故障信号进行测试,结果表明,在低信噪比情况下基于VMD模态能量的故障特征更具有可识别性。 |
| 关键词 | 变分模态分解 小波包 故障特征 滚动轴承 神经网络 |
| DOI | 10.19356/j.cnki.1001-3997.2017.06.028 |
| URL | 查看原文 |
| 收录类别 | 北大核心 |
| 语种 | 中文 |
| 资助项目 | 国家自然科学基金资助项目(51575331) |
| 原始文献类型 | 学术期刊 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.library.ouchn.edu.cn/handle/39V7QQFX/138895 |
| 专题 | 国家开放大学上海分部 |
| 作者单位 | 1.上海开放大学信息与工程学院; 2.上海大学机电工程与自动化学院 |
| 第一作者单位 | 国家开放大学上海分部 |
| 第一作者的第一单位 | 国家开放大学上海分部 |
| 推荐引用方式 GB/T 7714 | 杨洪柏,张宏利,蒋超,等. 变分模态分解与神经网络结合的轴承故障诊断[J]. 机械设计与制造,2017,No.316(06):105-108. |
| APA | 杨洪柏,张宏利,蒋超,&刘树林.(2017).变分模态分解与神经网络结合的轴承故障诊断.机械设计与制造,No.316(06),105-108. |
| MLA | 杨洪柏,et al."变分模态分解与神经网络结合的轴承故障诊断".机械设计与制造 No.316.06(2017):105-108. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [杨洪柏]的文章 |
| [张宏利]的文章 |
| [蒋超]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [杨洪柏]的文章 |
| [张宏利]的文章 |
| [蒋超]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [杨洪柏]的文章 |
| [张宏利]的文章 |
| [蒋超]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
| 相关推荐 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论