您当前的位置：
首页 >
文章列表页 >
基于变分模态提取及轻量级网络的滚动轴承故障诊断
车辆工程·机械工程 | 更新时间：2025-08-04

    • 基于变分模态提取及轻量级网络的滚动轴承故障诊断

    • Rolling bearing fault diagnosis based on variational mode extraction and lightweight network

    • “在滚动轴承故障诊断领域，专家设计了一种结合变分模态提取与轻量级CNN的方法，有效提高了复杂环境下的故障识别率和诊断稳定性。”
    • 吉林大学学报（工学版）   2025年55卷第6期 页码：1883-1891
    • 作者机构：

      沈阳航空航天大学 自动化学院，沈阳 110136

    • 作者简介：

      冯志刚（1980-），男，教授，博士.研究方向：自确认传感器技术，故障诊断.E-mail：fzg1023@yeah.net

    • 基金信息：
      国家自然科学基金项目(51605309)

    • DOI：10.13229/j.cnki.jdxbgxb.20231047    

      中图分类号： TH17;TP277

    • 收稿：2023-10-04，

      纸质出版：2025-06-01

    移动端阅览

  • 冯志刚,王首起,于明月.基于变分模态提取及轻量级网络的滚动轴承故障诊断[J].吉林大学学报（工学版）,2025,55(06):1883-1891. DOI： 10.13229/j.cnki.jdxbgxb.20231047.

    FENG Zhi-gang,WANG Shou-qi,YU Ming-yue.Rolling bearing fault diagnosis based on variational mode extraction and lightweight network[J].Journal of Jilin University(Engineering and Technology Edition),2025,55(06):1883-1891. DOI： 10.13229/j.cnki.jdxbgxb.20231047.

  •  
  •  

0

浏览量

8

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于注意力的多尺度卷积神经网络轴承故障诊断
数据不平衡分布下轴承故障诊断方法
基于卷积神经网络和双向长短期记忆的稳定抗噪声滚动轴承故障诊断
基于小波包对数能量图的滚动轴承故障诊断方法
基于优化A-BiLSTM的滚动轴承故障诊断

相关作者

尚继洋
余光杰
郝俊
张玺君
何智栋
王进花
曹洁
余萍

相关机构

兰州理工大学 计算机与通信学院
兰州理工大学 电气工程与信息工程学院
甘肃省城市轨道交通工程研究中心
甘肃省制造信息工程研究中心
兰州理工大学 电气与控制工程国家实验教学中心
0