典型文献
基于ICEEMDAN能量矩和MFOA-PNN的轴承故障诊断
文献摘要：
为了提高滚动轴承故障诊断的准确性,实现对故障的精准定位,提出一种基于改进的自适应噪声的完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)能量矩和修正型果蝇优化算法-概率神经网络(Modified Fruit Fly Optimization Algorithm-Probabilistic Neural Network,MFOA-PNN)的轴承故障诊断方法.首先利用ICEEMDAN算法对滚动轴承原始序列信号进行预处理,通过能量矩计算公式求取特征值,并将其作为PNN模型的输入;其次运用MFOA搜索PNN模型的最优平滑参数,通过建立MFOA-PNN模型诊断故障类别.实验表明,MFOA-PNN模型相比PNN模型的诊断准确性有所提高,准确率可以达到99.50％,提高了滚动轴承的经济性和安全性.
文献关键词：
改进的自适应噪声的完备集成经验模态分解;能量矩;修正型果蝇优化算法;概率神经网络;滚动轴承;故障诊断
中图分类号：
作者姓名：
逄英;高军伟
作者机构：
青岛大学自动化学院,青岛266071;山东省工业控制技术重点实验室,青岛266071
文献出处：
引用格式：
[1]逄英;高军伟-.基于ICEEMDAN能量矩和MFOA-PNN的轴承故障诊断)[J].现代制造工程,2022(03):122-126,153
A类：
改进的自适应噪声的完备集成经验模态分解,修正型果蝇优化算法
B类：
ICEEMDAN,能量矩,MFOA,PNN,滚动轴承故障诊断,精准定位,Improved,Complete,Ensemble,Empirical,Mode,Decomposition,Adaptive,Noise,概率神经网络,Modified,Fruit,Fly,Optimization,Algorithm,Probabilistic,Neural,Network,故障诊断方法,求取,诊断准确性
AB值：
0.244319
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。
