徐彪, 尹项根, 张哲, 等.电网故障诊断的分阶段解析模型[J].电工技术学报, 2018, 33(17): 4113-4122.
李辉, 杨东, 杨超, 等.基于定子电流特征分析的双馈风电机组叶轮不平衡故障诊断[J].电力系统自动化, 2015, 39(13): 32-37.
张弦, 王宏力.进化小波消噪方法及其在滚动轴承故障诊断中的应用[J].机械工程学报, 2010, 46(15): 76-81.
周奇才, 刘星辰, 赵炯, 等.旋转机械一维深度卷积神经网络故障诊断研究[J].振动与冲击, 2018, 37(23): 31-37.
李从志, 郑近德, 潘海洋, 等.基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断方法[J].中国机械工程, 2019, 30(14): 1713-171 9+1726.
石晓辉, 阳新华, 张向奎, 等.改进的形态差值滤波器在滚动轴承故障诊断中的应用[J].重庆理工大学学报(自然科学), 2018, 32(1): 1-6.
刘俊辰, 唐文秀, 金剑桥, 等.基于改进SVDD算法的升降机轴承故障检测研究[J].重庆理工大学学报(自然科学), 2019, 33(7): 66-73.
李仲兴, 柳亚子, 王子豪, 等.基于转速信号的旋转机械故障诊断方法研究[J].重庆理工大学学报(自然科学), 2018, 32(3): 35-41.
RODRÍGUEZ RAMOS A, BERNAL DE LÁZARO J M, PRIETO-MORENO A, et al. An Approach to Robust Fault Diagnosis in Mechanical Systems Using Computational Intelligence[J]. Journal of Intelligent Manufacturing, 2019, 30(4): 1601-1615. doi: 10.1007/s10845-017-1343-1
程静, 王维庆, 樊小朝, 等.基于二值双谱和模糊聚类的风电轴承故障诊断[J].振动、测试与诊断, 2018, 38(4): 765-771, 874.
郭惠勇, 王志华.基于应变能和隶属度的结构损伤识别研究[J].西南大学学报(自然科学版), 2018, 40(10): 153-161.
杨欣欣, 黄少滨.基于可能性C-均值的鲁棒多视角聚类算法[J].华中科技大学学报(自然科学版), 2014, 42(3): 58-63.
张一行, 王霞, 方世明, 等.基于空间信息的可能性模糊C均值聚类遥感图像分割[J].计算机应用, 2011, 31(11): 3004-3007.
刘长良, 武英杰, 甄成刚.基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J].中国电机工程学报, 2015, 35 (13): 3358-3365.
DRAGNMIRETSKIY K, ZOSSO D. Variational Mode Decom-Position[J]. IEEE transactions on signal processing, 2014, 62(3): 531-544. doi: 10.1109/TSP.2013.2288675
MOHANTY S, GUPTA K K, RAJU K S. Comparative Study between VMD and EMD in Bearing Fault Diagnosis[C] //2014 9th International Conference on Industrial and Information Systems (ICⅡS), December 15-17, 2014. Gwalior, India. IEEE, 2014: 1-6.
黄大荣, 柯兰艳, 林梦婷, 等.一种参数优化VMD多尺度熵的轴承故障诊断新方法[J/OL].控制与决策. https://doi.org/10.13195/j.kzyjc.2018.1598.
AMBIKA P S, RAJENDRAKUMAR P K, RAMCHAND R. Mode Determination in Variational Mode Decomposition and Its Application in Fault Diagnosis of Rolling Element Bearings[J]. SN Applied Sciences, 2019, 1(9): 2817-2829.
郑直, 姜万录, 胡浩松, 等.基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究[J].振动工程学报, 2015, 28(2): 324-330.