基于可视化异类特征优选融合的滚动轴承故障诊断

发布时间：2017-06-26 01:04

  本文关键词：基于可视化异类特征优选融合的滚动轴承故障诊断，由笔耕文化传播整理发布。

【摘要】：针对故障诊断过程中基于简单的多类故障特征联合决策存在特征集维数多、数据冗余、故障识别率不高的缺点,提出了一种基于异类特征优选融合的故障诊断方法。该方法根据多类特征数据的轮廓图,分析各维特征数据的聚类特性,去除聚类性弱、对故障区分无益的冗余特征维度,仅保留聚类性强的特征维度用于故障识别。在轴承故障诊断实验中,选用故障信号时域统计量和小波包能量两类多维特征进行优选融合,并采用反向传播(BP)神经网络进行故障模式识别。故障识别率达到100%,显著高于无特征优选的故障诊断方法。实验结果表明所提出的方法简便易行,可以显著提高故障识别率。
【作者单位】： 上海开放大学理工学院;上海大学机电工程与自动化学院;
【关键词】： 异类特征 特征融合 模式识别 故障诊断 滚动轴承
【基金】：国家自然科学基金资助项目(51575331)~~
【分类号】：TH133.33;TP391.41
【正文快照】： 0引言针对同一类故障,用不同传感器采集的振动信号称为不同源振动信号,同一传感器采集的数据称为同源振动信号,而采用不同提取方法得到的不同特征,则称为异类特征。不论是异源同类特征还是同源异类特征,由于信号源不同或特征提取方法不同,使得特征具有不同的属性,表征了故障的

【相似文献】

中国期刊全文数据库 前10条

1 ;轴承故障诊断有了“透视镜”[J];机电设备;2001年06期

2 薛松;程珩;杨勇;;伪Wigner-Ville分布在电机轴承故障诊断中的应用[J];机械工程与自动化;2008年04期

3 赵志宏;杨绍普;;一种基于样本熵的轴承故障诊断方法[J];振动与冲击;2012年06期

4 黄晋英;潘宏侠;毕世华;杨喜旺;;基于高阶累量谱的轴承故障诊断[J];火炮发射与控制学报;2007年02期

5 陶新民;徐晶;刘兴丽;刘玉;;基于最大小波奇异谱的轴承故障诊断方法[J];振动、测试与诊断;2010年01期

6 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期

7 李正安,李登啸;单片机轴承故障诊断系统[J];轴承;1992年03期

8 杨望灿;张培林;张云强;;基于邻域自适应局部保持投影的轴承故障诊断模型[J];振动与冲击;2014年01期

9 朱文来;;希尔伯特-黄变换在轴承故障诊断中的应用研究[J];科技创新导报;2013年34期

10 任国全,韦有民,郑海起;基于小波分析的轴承故障诊断研究[J];河北省科学院学报;2002年02期

中国重要会议论文全文数据库 前10条

1 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年

2 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

3 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年

4 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年

5 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

6 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[A];第九届全国振动理论及应用学术会议论文集[C];2007年

7 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

8 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年

9 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术（第九卷）[C];2011年

10 张淑清;张琳;;基于RBF网络和D-S推理的轴承故障诊断[A];首届信息获取与处理学术会议论文集[C];2003年

中国重要报纸全文数据库 前1条

1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001年

中国博士学位论文全文数据库 前1条

1 梁瑜;地铁列车轴承故障诊断及在途诊断系统研究[D];北京交通大学;2014年

中国硕士学位论文全文数据库 前10条

1 吴治南;基于小波变换与PNN神经网络相结合的滚动轴承故障诊断[D];河北工程大学;2015年

2 赵江萍;滚动轴承故障诊断系统设计[D];中国计量学院;2015年

3 黄文静;基于多特征量提取和PSO优化神经网络的轴承故障诊断[D];燕山大学;2016年

4 欧阳贺龙;基于全矢谱的风电轴承故障诊断[D];郑州大学;2016年

5 张涛;机车轴承故障诊断系统的研究与设计[D];中南大学;2005年

6 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年

7 赵兴;基于时频维数的滚动轴承故障诊断技术应用研究[D];大连交通大学;2013年

8 卢一相;时频分析在轴承故障诊断中的应用研究[D];安徽大学;2007年

9 陈涛;低速重载轴承故障诊断的虚拟仪器研究[D];重庆大学;2005年

10 李学伟;支持向量机在嵌入式轴承故障诊断装置中的研究与实现[D];东北大学;2010年

  本文关键词：基于可视化异类特征优选融合的滚动轴承故障诊断，由笔耕文化传播整理发布。

，

本文编号：484184