基于递归图和局部非负矩阵分解的轴承故障诊断

发布时间：2018-06-27 02:41

  本文选题：轴承 + 故障诊断　； 参考：《工矿自动化》2017年07期

【摘要】：针对轴承振动信号的非平稳特征和现实中难以提取故障参数的情况,提出了一种基于递归图和局部非负矩阵分解的轴承故障诊断方法。该方法首先对采集到的轴承振动信号进行递归图分析,生成灰度图;然后用局部非负矩阵分解对生成的递归图进行特征参数提取,得到系数编码矩阵;最后采用分类器对上述编码矩阵直接进行模式识别,从而实现轴承故障的自动化诊断。将该方法应用在4种典型工况的轴承故障诊断实例中,应用结果表明,该方法可对不同工况的递归图自适应地计算特征参数,避免了人为因素对诊断准确率的影响,具有较好的自适应性和鲁棒性。
[Abstract]:In view of the non-stationary characteristic of bearing vibration signal and the fact that it is difficult to extract fault parameters in reality, a bearing fault diagnosis method based on recursion graph and local non-negative matrix decomposition is proposed. In this method, the vibration signal of bearing is analyzed by recursive graph, and the gray scale is generated, then the characteristic parameters are extracted by local nonnegative matrix decomposition, and the coefficient coding matrix is obtained. Finally, the classifier is used to recognize the above coding matrix directly, so as to realize the automatic diagnosis of bearing fault. The method is applied to four typical cases of bearing fault diagnosis. The application results show that the method can adaptively calculate the characteristic parameters for the recursion diagram of different working conditions, thus avoiding the influence of human factors on the diagnostic accuracy. It has good adaptability and robustness.
【作者单位】： 武警后勤学院军交运输系;火箭军指挥学院通信系;
【分类号】：TH133.3

【相似文献】

相关期刊论文 前10条

1 于彬;;基于局部非负矩阵分解的人脸识别[J];科学技术与工程;2010年33期

2 高燕燕;;非负矩阵分解及其应用探讨[J];硅谷;2011年23期

3 程明松;刘勺连;;一种实用快速非负矩阵分解算法[J];大连理工大学学报;2013年01期

4 卢进军,杨杰,梁栋,常宇畴;基于非负矩阵分解的相关反馈图像检索算法[J];上海交通大学学报;2005年04期

5 吕亚丽;赵辽英;;基于约束非负矩阵分解的混合象元分解新方法[J];杭州电子科技大学学报;2009年04期

6 陈鹰;郭睿;;非负矩阵分解在遥感图像融合中的应用[J];计算机工程与应用;2007年20期

7 张凤斌;杨辉;;非负矩阵分解在入侵检测中的应用[J];哈尔滨理工大学学报;2008年02期

8 李兵;米双山;刘鹏远;刘东升;张培林;;二维非负矩阵分解在齿轮故障诊断中的应用[J];振动.测试与诊断;2012年05期

9 李兵;徐榕;贾春宁;郭清晨;;基于自适应形态提升小波与改进非负矩阵分解的发动机故障诊断方法[J];兵工学报;2013年03期

10 钱诚;徐舒畅;张三元;;采用增量型非负矩阵分解建模的目标跟踪算法[J];计算机辅助设计与图形学学报;2010年06期

相关会议论文 前10条

1 孙江明;李通化;;非平滑三维非负矩阵分解[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

2 蒋永锴;叶东毅;;基于稀疏非负矩阵分解的自动多文摘方法[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

3 马帅;吴飞;杨易;邵健;;基于稀疏非负矩阵分解的图像检索[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

4 徐利民;龚珊;余再军;;奇异值分解与非负矩阵分解色在数据降维方面的特性分析[A];2010年通信理论与信号处理学术年会论文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非负矩阵分解和支持向量机的轴心轨迹图识别[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

6 蒋霈霖;;KL散度下的非负矩阵分解[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年

8 钱乐乐;高隽;徐小红;;非负性约束的图像稀疏编码[A];第七届全国信息获取与处理学术会议论文集[C];2009年

9 朱昊;黄源水;付梦印;;基于NMF的道路识别算法在野外环境感知中的应用[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

10 郑能恒;蔡毅;李霞;Tan Lee;;基于非负矩阵分解和向量相似测度的语音与音乐分离算法[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

相关博士学位论文 前10条

1 杨士准;基于样本和特征的迁移学习方法及应用[D];国防科学技术大学;2013年

2 叶军;基于正则化方法的非负矩阵分解算法及其应用研究[D];南京理工大学;2014年

3 陆玉武;图像分类中流形回归与非负矩阵分解研究[D];哈尔滨工业大学;2015年

4 张恩德;在线社会网络分析与挖掘若干关键问题研究[D];东北大学;2014年

5 胡俐蕊;非负矩阵分解方法及其在选票图像识别中的应用[D];安徽大学;2013年

6 殷海青;图像分析中的非负矩阵分解理论及其最优化和正则化方法研究[D];西安电子科技大学;2011年

7 杨洪礼;非负矩阵与张量分解及其应用[D];山东科技大学;2011年

8 史加荣;多尺度张量逼近及应用[D];西安电子科技大学;2012年

9 方蔚涛;人脸识别特征抽取算法的研究[D];重庆大学;2012年

10 刘昱昊;基于非负矩阵分解算法的人脸识别技术的研究[D];吉林大学;2014年

相关硕士学位论文 前10条

1 谢昊;非负矩阵分解初始化及其应用[D];暨南大学;2015年

2 王一;凸与半非负矩阵分解的近点梯度方法研究[D];东北师范大学;2015年

3 项磊;基于乳腺癌计算机辅助诊断的病理图像分析[D];南京信息工程大学;2015年

4 王丹;基于非负矩阵分解的脑电信号特征提取算法研究[D];燕山大学;2015年

5 马春霞;非负矩阵分解及在基因表达数据分析中的应用研究[D];曲阜师范大学;2015年

6 崔艳荣;基于非负矩阵分解的高光谱遥感数据融合方法分析及应用[D];电子科技大学;2014年

7 赖淑珍;非负矩阵分解若干算法研究与应用[D];电子科技大学;2014年

8 赵龙;基于多流形正则化非负矩阵分解的多视图聚类[D];大连理工大学;2015年

9 黄震;基于多视角非负矩阵分解的同名区分算法研究[D];大连理工大学;2015年

10 邵强;改进的非负矩阵分解算法及其在人脸识别中的应用[D];河北工业大学;2015年

，

本文编号：2072354