典型文献
基于改进贝叶斯网络的电机轴承故障诊断
文献摘要：
针对电机轴承振动信号受噪声干扰影响特征提取和传统贝叶斯网络故障诊断准确率低的问题,提出一种基于改进贝叶斯网络的电机轴承故障诊断方法.采用自适应噪声集合模态分解的方法对数据进行降噪处理,增加了模型的鲁棒性;采用差分进化和模拟退火算法对蝗虫算法进行优化,增强蝗虫算法的全局和局部搜索能力;将优化后的蝗虫算法应用于贝叶斯网络结构学习构建轴承故障诊断模型;通过实验对比证明,该方法对轴承的多故障分类具有更强的学习能力和更高的准确率,实验对部分样本的故障诊断率达到97.15％,平均准确率达到98.73％.
文献关键词：
轴承;故障诊断;自适应噪声模态分解;蝗虫算法;贝叶斯网络
中图分类号：
作者姓名：
仝兆景;李金香;乔征瑞;芦彤
作者机构：
河南理工大学电气工程与自动化学院 焦作454003;河南国网宝泉抽水蓄能有限公司 新乡453636
文献出处：
引用格式：
[1]仝兆景;李金香;乔征瑞;芦彤-.基于改进贝叶斯网络的电机轴承故障诊断)[J].电子测量技术,2022(07):48-55
A类：
自适应噪声模态分解
B类：
改进贝叶斯网络,电机轴承,轴承故障诊断,轴承振动,振动信号,噪声干扰,干扰影响,影响特征,网络故障诊断,故障诊断准确率,故障诊断方法,噪声集合,集合模态分解,降噪处理,差分进化,模拟退火算法,蝗虫算法,局部搜索,搜索能力,算法应用,贝叶斯网络结构学习,故障诊断模型,实验对比,多故障,故障分类,分样,诊断率,平均准确率
AB值：
0.273778
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
