您当前的位置：
首页 >
文章列表页 >
基于改进VME算法和mRVM的滚动轴承小样本复合故障诊断
车辆工程·机械工程 | 更新时间：2026-01-23

    • 基于改进VME算法和mRVM的滚动轴承小样本复合故障诊断

    • Small sample rolling bearing compound fault diagnosis based on improved VME and mRVM

    • “在信号处理领域，专家提出了一种结合VMD、LE和VME的信号提取方法，采用mRVM及DS证据理论进行智能故障诊断，有效处理小样本数据。”
    • 吉林大学学报（工学版）   2025年55卷第12期 页码：3831-3839
    • 作者机构：

      1.沈阳航空航天大学 自动化学院，沈阳 110136

      2.沈阳飞机工业（集团）有限公司，沈阳 11000

    • 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.20240528    

      中图分类号： TH17;TP277

    • 收稿：2024-05-11，

      纸质出版：2025-12-01

    移动端阅览

  • 冯志刚,张志远,董冰等.基于改进VME算法和mRVM的滚动轴承小样本复合故障诊断[J].吉林大学学报（工学版）,2025,55(12):3831-3839. DOI： 10.13229/j.cnki.jdxbgxb.20240528.

    FENG Zhi-gang,ZHANG Zhi-yuan,DONG Bing,et al.Small sample rolling bearing compound fault diagnosis based on improved VME and mRVM[J].Journal of Jilin University(Engineering and Technology Edition),2025,55(12):3831-3839. DOI： 10.13229/j.cnki.jdxbgxb.20240528.

  •  
  •  

0

浏览量

1

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

基于自适应变分模态分解和集成极限学习机的滚动轴承多故障诊断
基于变分模态分解和极端梯度提升的公路边坡位移预测
基于变分模态提取及轻量级网络的滚动轴承故障诊断
基于小波包对数能量图的滚动轴承故障诊断方法
基于解释结构模型的复杂系统故障诊断

相关作者

王进花
胡佳伟
曹洁
黄涛
龙志友
万昭龙
董是
杨超

相关机构

兰州理工大学 电气工程与信息工程学院
兰州理工大学 甘肃工业过程先进控制重点实验室
兰州理工大学 电气与控制工程国家实验教学中心
甘肃省制造信息工程研究中心
中国市政工程西北设计研究院有限公司
0