| [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] |
张苏颖, 竺兴妹, 许曙青. 基于深度置信网络和对称点模式电机轴承故障诊断研究[J]. 噪声与振动控制, 2022, 42(3): 98-104. |
| [3] |
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. |
| [4] |
顾佶智, 师蔚, 胡定玉, 廖爱华, 丁亚琦. 强背景噪声下基于谱峭度-波束形成轴承故障特征提取[J]. 噪声与振动控制, 2022, 42(3): 110-115. |
| [5] |
张龙, 周俊. 多模型融合下的滚动轴承故障诊断方法[J]. 噪声与振动控制, 2022, 42(3): 132-137. |
| [6] |
高康平, 徐信芯, 焦生杰, 师宁. EEMD-ICA联合降噪的旋转机械故障信号检测方法[J]. 噪声与振动控制, 2022, 42(2): 95-101. |
| [7] |
高锐文, 胡定玉, 师蔚, 廖爱华, 余佑民, 丁亚琦. 基于最大相关峭度解卷积和谱峭度的滚动轴承声信号故障特征增强[J]. 噪声与振动控制, 2022, 42(2): 102-107. |
| [8] |
王峰, 张海涛. 基于正则化稀疏滤波的轴承声信号故障诊断方法[J]. 噪声与振动控制, 2022, 42(2): 114-117. |
| [9] |
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. |
| [10] |
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. |
| [11] |
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. |
| [12] |
柯耀, 王琪, 苗育茁, 黄浪, 陈汉新. 基于PARAFAC分析和SVM离心泵故障诊断方法[J]. 噪声与振动控制, 2022, 42(1): 106-111. |
| [13] |
赵云, , 宿磊, , 李可, , 顾杰斐, , 卢立新, . 基于改进MPE与KELM的滚动轴承故障诊断[J]. 噪声与振动控制, 2022, 42(1): 125-131. |
| [14] |
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. |
| [15] |
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. |
