基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
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.
推荐文章
基于K-L散度与PSO-SVM的齿轮故障诊断
经验模式分解
K-L散度
粒子群算法
支持向量机
齿轮故障诊断
滚动轴承的MSE和PNN故障诊断方法
振动与波
多尺度熵
概率神经网络
滚动轴承
故障诊断
VMD和t-SNE相结合的滚动轴承故障诊断
变分模态分解
t分布随机邻域嵌入
滚动轴承
特征提取
故障诊断
基于VMD和形态学自互补Top-Hat变换的滚动轴承故障诊断方法
滚动轴承
变分模态分解
形态学自互补Top-Hat变换
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于K-L散度的VMD瞬时能量与PNN的滚动轴承故障诊断
来源期刊 电子测量与仪器学报 学科 工学
关键词 变分模态分解 瞬时能量 K-L散度 概率神经网络 滚动轴承故障诊断
年,卷(期) 2019,(8) 所属期刊栏目 学术论文
研究方向 页码范围 117-123
页数 7页 分类号 TH17|TN911
字数 语种 中文
DOI 10.13382/j.jemi.B1801857
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (124)
共引文献  (117)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1943(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(11)
  • 参考文献(0)
  • 二级参考文献(11)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(10)
  • 参考文献(2)
  • 二级参考文献(8)
2013(14)
  • 参考文献(2)
  • 二级参考文献(12)
2014(13)
  • 参考文献(1)
  • 二级参考文献(12)
2015(15)
  • 参考文献(1)
  • 二级参考文献(14)
2016(21)
  • 参考文献(2)
  • 二级参考文献(19)
2017(10)
  • 参考文献(3)
  • 二级参考文献(7)
2018(5)
  • 参考文献(5)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
变分模态分解
瞬时能量
K-L散度
概率神经网络
滚动轴承故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子测量与仪器学报
月刊
1000-7105
11-2488/TN
大16开
北京市东城区北河沿大街79号
80-403
1987
chi
出版文献量(篇)
4663
总下载数(次)
23
总被引数(次)
44770
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导