本文主要研究内容
作者徐统,王红军,宋智勇,李颖（2019）在《基于K-L散度的VMD瞬时能量与PNN的滚动轴承故障诊断》一文中研究指出：针对滚动轴承失效模式的有效识别,提出了基于K-L散度的变分模态分解(VMD)的瞬时能量与概率神经网络(PNN)的滚动故障轴承故障诊断方法。首先,利用VMD将滚动轴承信号进行分解成若干个本征模态函数(IMF);然后,分别计算原始信号和每个IMF分量的K-L值,并选择具有较小的K-L值的两个IMF分量以计算其瞬时能量并组成特征向量;最后,将特征向量输入到PNN实现故障模式识别。通过对滚动轴承故障诊断实验对该方法进行验证,结果表明,基于K-L散度的VMD瞬时能量与PNN的滚动故障轴承故障诊断准确率高达100%,将所提的方法与通过峭度准则选择VMD分量的瞬时能量和通过K-L散度值选择的集合经验模态分解(EEMD)分量与PNN网络相结合的诊断方法作对比,则明显高于其他两种方法,证明了所提方法的可行性。
Abstract
zhen dui gun dong zhou cheng shi xiao mo shi de you xiao shi bie ,di chu le ji yu K-Lsan du de bian fen mo tai fen jie (VMD)de shun shi neng liang yu gai lv shen jing wang lao (PNN)de gun dong gu zhang zhou cheng gu zhang zhen duan fang fa 。shou xian ,li yong VMDjiang gun dong zhou cheng xin hao jin hang fen jie cheng re gan ge ben zheng mo tai han shu (IMF);ran hou ,fen bie ji suan yuan shi xin hao he mei ge IMFfen liang de K-Lzhi ,bing shua ze ju you jiao xiao de K-Lzhi de liang ge IMFfen liang yi ji suan ji shun shi neng liang bing zu cheng te zheng xiang liang ;zui hou ,jiang te zheng xiang liang shu ru dao PNNshi xian gu zhang mo shi shi bie 。tong guo dui gun dong zhou cheng gu zhang zhen duan shi yan dui gai fang fa jin hang yan zheng ,jie guo biao ming ,ji yu K-Lsan du de VMDshun shi neng liang yu PNNde gun dong gu zhang zhou cheng gu zhang zhen duan zhun que lv gao da 100%,jiang suo di de fang fa yu tong guo qiao du zhun ze shua ze VMDfen liang de shun shi neng liang he tong guo K-Lsan du zhi shua ze de ji ge jing yan mo tai fen jie (EEMD)fen liang yu PNNwang lao xiang jie ge de zhen duan fang fa zuo dui bi ,ze ming xian gao yu ji ta liang chong fang fa ,zheng ming le suo di fang fa de ke hang xing 。
论文参考文献
论文详细介绍
论文作者分别是来自电子测量与仪器学报的徐统,王红军,宋智勇,李颖，发表于刊物电子测量与仪器学报2019年08期论文，是一篇关于变分模态分解论文,瞬时能量论文,散度论文,概率神经网络论文,滚动轴承故障诊断论文,电子测量与仪器学报2019年08期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子测量与仪器学报2019年08期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：变分模态分解论文; 瞬时能量论文; 散度论文; 概率神经网络论文; 滚动轴承故障诊断论文; 电子测量与仪器学报2019年08期论文;