文档介绍：基于LLTSA算法维数约简的滚动轴承故障诊断
陈保家朱晨希刘浩涛聂凯
三峡大学水电机械设备设计与维护湖北省重点实验室三峡大学机械与动力学院
X
关注成功!
加关注后您将方便地在我的关注中得到本文献的被引频次变化的通知!
新浪微博
腾讯微博
人人网
开心网
豆瓣网
网易微博
摘    要:
针对滚动轴承高维故障特征集识别精度低的问题, 提出基于线性局部切空间排列(Linear Local Tangent Space Alignment, LLTSA) 算法的维数约简故障诊断模型。首先结合小波包分解、时域、频域及时频域统计方法构造全面表征轴承不同故障特性的混合域特征集, 通过敏感度的特征选取方法, 从混合特征集中选取轴承故障的敏感特征集, 再利用LLTSA算法将高维敏感特征集约简为故障区分度更好的低维特征矢量, 并用模糊C均值(Fuzzy C-means, FCM) 聚类算法进行故障模式识别, 本研究方法能够突出不同特征对分类的贡献率, 强化敏感特征, 弱化不相关特征, 提升了分类精度。最后用深沟球轴承不同部位故障诊断实例验证该模型的有效性。
关键词:
线性局部切空间排列(LLTSA) 算法; 维数约简; 故障诊断; 模糊C均值; 模式识别;
作者简介:陈保家(1977-) , 男, 副教授;主要研究方向:设备状态监测及故障诊断, 已发表论文30余篇。E-mail:@
收稿日期:2016-12-21
基金:国家自然科学基金(51205230, 51405264)
Rolling Bearing Fault Diagnosis Model Based on Dimension Reduction Using Linear Local Tangent Space Alignment
CHEN Baojia ZHU Chenxi LIU Haotao NIE Kai
Hubei Key Laboratory of Hydroelectric Machinery Design & Maintenance, China Three Gorges University;
Abstract:
Aiming at the problem of low accuracy of high dimensional fault feature set of rolling bearing, a fault diagnosis model of dimension reduction based on linear local tangent space alignment is proposed. Firstly, the wavelet packet position, time domain, frequency domain and time domain frequency domain method are used to construct the feature set of the hybrid domain, sensitivity characteristic of the bearing fault is constructed by the method of feature s