典型文献
基于参数优化的VMD与DBN的滚动轴承故障诊断
文献摘要：
在分析了滚动轴承振动信号的故障分类诊断问题,提出了一种采用蜉蝣优化算法(MA)-变分模态分解(VMD)的故障特征提取与深度置信网络(DBN)相互融合的故障诊断方法.首先,以全局最小包络熵值为目标,基于MA算法进行振动信号的变分模态分解,筛选最佳VMD分量;其次,选取最典型包络谱值作为故障特征向量;最后,采用某实验室的故障轴承诊断数据,基于DBN网络算法进行故障诊断训练、检验和结果分析.实例分析结果表明,该方法的故障识别率达到98.67％,说明该方法可以有效地提取到故障特征并具有更高的故障识别率.
文献关键词：
滚动轴承;蜉蝣智能算法;变分模态分解;深度置信网络
中图分类号：
作者姓名：
郗涛;葛增元;王莉静
作者机构：
天津工业大学机械工程学院,天津 300387;天津城建大学控制与机械工程学院,天津300384
文献出处：
引用格式：
[1]郗涛;葛增元;王莉静-.基于参数优化的VMD与DBN的滚动轴承故障诊断)[J].组合机床与自动化加工技术,2022(12):57-61
A类：
蜉蝣智能算法
B类：
VMD,DBN,滚动轴承故障诊断,滚动轴承振动信号,故障分类诊断,诊断问题,蜉蝣优化算法,MA,变分模态分解,故障特征提取,深度置信网络,相互融合,故障诊断方法,小包,包络熵,包络谱,特征向量,网络算法,故障识别率,取到
AB值：
0.251209
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。
