| [1] |
刘强, 赵荣珍, 杨泽本. K-VMD融合包络熵与SVM滚动轴承故障识别方法研究[J]. 噪声与振动控制, 2022, 42(3): 92-97. |
| [2] |
张军翠, 王立成. 基于天牛须搜索优化支持向量机液压泵故障诊断[J]. 噪声与振动控制, 2022, 42(3): 105-109. |
| [3] |
沈学利, 杨莹, 秦鑫宇, 俞辉. 基于残差神经网络的风机叶片结冰故障诊断[J]. 噪声与振动控制, 2022, 42(1): 79-87. |
| [4] |
张建宇, 王国峰, 杨洋. 多故障源混合信息的特征分离与精确辨识[J]. 噪声与振动控制, 2022, 42(1): 88-94. |
| [5] |
汤天宝, 周志健, 张涛, 李可, 卢立新. 基于奇异谱分解和两层支持向量机轴承故障诊断方法#br#[J]. 噪声与振动控制, 2022, 42(1): 100-105. |
| [6] |
和丹, , 张丽洁, 肖渊, , 刘学婧. 基于SED-EMD的大圆机轻微齿轮偏心故障诊断[J]. 噪声与振动控制, 2022, 42(1): 132-137. |
| [7] |
张龙, 周俊. 基于WELCH算法集成学习模型的滚动轴承故障诊断#br#[J]. 噪声与振动控制, 2022, 42(1): 144-149. |
| [8] |
陈国成, 张建, 菅光雷. 基于改进叠加自动编码器轴承智能故障诊断方法[J]. 噪声与振动控制, 2022, 42(1): 156-161. |
| [9] |
周盼1，辛江慧1，丁继才2. 非线性系统载荷识别的最小二乘支持向量机法[J]. 噪声与振动控制, 2021, 41(5): 9-13. |
| [10] |
邵志慧, 杨俭, 袁天辰, 伍伟嘉. 基于复合多尺度排列熵的轨枕状态诊断方法[J]. 噪声与振动控制, 2021, 41(5): 114-120. |
| [11] |
张庭芳，伍磊，吴晓建. 基于路面等级聚类识别及LQR权重动态最优的主动悬架控制研究[J]. 噪声与振动控制, 2021, 41(4): 1-6. |
| [12] |
张萍，张文海，赵新贺，吴显腾，刘宁. WOA-VMD算法在轴承故障诊断中的应用[J]. 噪声与振动控制, 2021, 41(4): 86-93. |
| [13] |
葛红平1，刘晓波2，黄朝晖1，熊小明1. 粒化幅值感知排列熵和WOA-SVM的滚动轴承故障诊断[J]. 噪声与振动控制, 2021, 41(4): 101-108. |
| [14] |
别锋锋，徐鹏青，裴峻峰，张仕佳. 基于CEEMDAN与奇异值分解的往复机械故障诊断方法研究[J]. 噪声与振动控制, 2018, 38(4): 180-185. |
| [15] |
陈博，陈光雄. 基于MEEMD和GA-SVM的列车车轮多边形故障识别方法[J]. 噪声与振动控制, 2018, 38(3): 157-161. |
