典型文献
基于VMD-MPE结合概率神经网络和极限学习机的滚动轴承故障诊断分析
文献摘要：
为揭示滚动轴承的多参量故障特性,提出了变分模态分解和多尺度排列熵相结合的方法进行特征提取并通过不同的算法进行故障诊断.首先对滚动轴承故障信号进行变分模态分解,其次利用多尺度排列熵量化各模态分量的故障特征,最后对计算所得熵值组成特征向量集将其导入概率神经网络、极限学习机和支持向量机中进行诊断,对比分析测试时间和正确概率.结果表明,该方法能有效提取故障特征并且准确实现故障模式的分类识别,进而提高了故障识别概率.
文献关键词：
变分模态分解;多尺度排列熵;极限学习机;故障诊断
中图分类号：
作者姓名：
曾宪旺;孙文磊;王宏伟;徐甜甜;张凡
作者机构：
新疆大学机械工程学院,新疆乌鲁木齐830046
文献出处：
引用格式：
[1]曾宪旺;孙文磊;王宏伟;徐甜甜;张凡-.基于VMD-MPE结合概率神经网络和极限学习机的滚动轴承故障诊断分析)[J].热加工工艺,2022(10):157-163
A类：
B类：
VMD,MPE,概率神经网络,极限学习机,滚动轴承故障诊断,故障诊断分析,多参量,故障特性,变分模态分解,多尺度排列熵,故障信号,模态分量,故障特征,计算所,组成特征,特征向量,分析测试,测试时间,有效提取,故障模式,分类识别,故障识别,识别概率
AB值：
0.288989
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。
