检索结果-南通市图书馆

电子测量技术 2024年

作者：张炎亮回彦静王研迪郑州大学管理学院

在机械设备故障诊断中，输入特征向量的差异会影响诊断精度，为了提高智能制造模式下滚动轴承故障诊断的准确性和可靠性，提出一种基于变分模态分解（VMD）和时频域熵的故障特征提取结合改进的白鹭群算法（IESOA）优化BP神经网络的故障... 详细信息

在机械设备故障诊断中，输入特征向量的差异会影响诊断精度，为了提高智能制造模式下滚动轴承故障诊断的准确性和可靠性，提出一种基于变分模态分解（VMD）和时频域熵的故障特征提取结合改进的白鹭群算法（IESOA）优化BP神经网络的故障诊断方法。首先，借助变分模态分解，成功解决模式混叠的问题；其次，提取各模态分量的时域香农熵和频域频谱熵构造故障特征向量，作为故障诊断模型的输入；再次，引入霍尔顿序列初始化白鹭种群，增强白鹭群优化算法的全局寻优能力，构建改进的白鹭群算法以优化BP神经网络（IESOA-BP），最后用美国凯斯西储大学轴承数据集进行仿真；研究结果表明，VMD加时频域熵表征故障特征信息更丰富；相较于传统BP、PSO-BP、SSA-BP、ESOA-BP、SCESOA-BP等方法，IESOA-BP方法在滚动轴承故障诊断方面表现出更高的分类准确率和更好的稳定性。

关键词：故障诊断白鹭群优化算法变分模态分解霍尔顿序列滚动轴承

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：