TY-JOURA2-Li、BaoqingAU-JiangiAU-Pei、DiAU-Hui、ZhunqingPY-2020DA-2020DA-2020/10/01TI应用特征分解并发信号SP-8831723VL-2020AB单传感器提供的信息非常有限,系统强健性差。论文中建议使用新奇故障诊断法 以同轴振荡信号特征聚合为基础 全面分析系统多传感器信息 并构建更可靠的诊断系统混合经验模式分解法用于分解原振荡信号成数个固有模式函数(IMFs)。后引入自相关分析以减少IMF剩余随机噪声后,Renyienpy计算为轴承特征并发振信号特征由多内核学习支持向量机(MKL-SVM)解密分类带值条件为了验证CVSFF方法对REB诊断的有效性,从Case西部保留大学定位数据中心选择八套数据集故障分类结果显示,拟用方法是反故障检测的宝贵工具,同轴传感器引信特征提高REB故障分类精度SN-1070-9622UR-https://doi.org/101155/208831723DO-101155/208831723JF-震荡和振荡PB-HindawiKW-ER