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
上一篇|下一篇

    • 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。”
    • 冯志刚 ，张志远 ，董冰 ，于明月
    • 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：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 9 ) 表( 7 )

  • 参考文献

  • 出版信息

  • 数据统计

66

浏览量

192

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

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
基于多通道融合的齿轮箱故障诊断方法
基于扩散模型和DenseNet的少样本齿轮箱故障诊断方法
基于动态残差注意力和LSTM的跨工况滚动轴承故障诊断
基于改进深度极限学习机的电动汽车行驶里程预测

相关作者

王进花
胡佳伟
曹洁
黄涛
冯志刚
王颖
王宇
曹洁

相关机构

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 电气工程与信息工程学院
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