基于VMD与PSO-PNN的滚动轴承故障诊断模型

• 作者: 张建财 高军伟
• 来源期刊: 自动化与仪表
• 关键词: 变分模态分解 粒子群算法 概率神经网络 故障诊断
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 检测技术与数据处理
• 页码范围: 33-37
• 页数: 5页
• 分类号: TP183|TP206+.3
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2019.03.008

摘要

针对滚动轴承故障特征提取效果不理想和故障类型识别准确率低、速度慢等问题,该文结合变分模态分解、粒子群算法和概率神经网络提出了一种新的滚动轴承故障提取与故障类型识别方法.主要是通过变分模态分解提取有效的故障特征向量,然后通过粒子群算法优化的概率神经网络模型进行故障类型诊断.通过Matlab仿真结果显示,与标准的概率神经网络诊断故障类型相比提高了轴承故障诊断的准确性和速度性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高军伟	青岛大学自动化学院	69	408	10.0	16.0
2	张建财	青岛大学自动化学院	2	4	1.0	2.0