滚动轴承故障诊断中的特征提取与选择方法

发布时间：2017-12-26 09:28

  本文关键词：滚动轴承故障诊断中的特征提取与选择方法　出处：《湖南工业大学》2011年硕士论文　论文类型：学位论文

  更多相关文章： 特征提取 特征选择 混合域特征集 故障 滚动轴承

【摘要】：轴承故障诊断的实质是模式识别,包括信号采集、特征提取与选择和状态识别,其中特征提取与选择尤为重要,其效果的好坏直接影响到了模式识别的成败。 滚动轴承运行时产生的振动信号是复杂的非平稳、非线性信号,如何从振动信号中提取出全面准确反映轴承运行状态的故障特征至关重要。为有效利用时域、频域、时-频域中各类具有显著类别差异信息的非平稳统计特征,提出一种新的混合域特征集的构建方法,使得混合域特征集比单个特征或单域特征更能全面准确反映轴承运行状态特性。 针对混合域特征集存在维数过高、特征之间相关严重的问题,分别利用主元分析和核主元分析对混合域特征集进行二次特征提取,与主元分析相比核主元分析在降维降噪的同时可充分提取故障信息中的非线性成分;针对核主元分析在提取特征时没有充分考虑类别信息的不足,提出了基于核费舍尔判别分析的轴承故障混合域特征二次提取方法,提高了适于模式识别的可分性。 为了削弱特征选择方法中传统的阈值确定所存在的盲目性对特征选择效果的影响,提出基于距离特征评价与支持向量机的轴承故障特征选择方法以及基于F-score特征评价与支持向量机的轴承故障特征选择新方法。以支持向量机分类正确率为依据,实现阈值的智能选取和故障特征的有效选择,从轴承故障混合域特征集中直接选择出包含显著类别差异信息且数目较少的敏感特征。 实验仿真结果证明了本文所提方法可以准确有效地识别不同运行条件下滚动轴承不同类型、不同程度的故障状况。
【学位授予单位】：湖南工业大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TH165.3

【参考文献】

相关期刊论文 前10条

1 王国锋,王子良,秦旭达,王太勇;基于小波包和径向基神经网络轴承故障诊断[J];北京科技大学学报;2004年02期

2 李兵;张培林;任国全;刘东升;米双山;;基于互信息的滚动轴承故障特征选择方法[J];测试技术学报;2009年02期

3 李志农;王心怡;张新广;;基于核函数主元分析的滚动轴承故障模式识别方法[J];轴承;2008年06期

4 马家驹，梁文梅;滚动轴承振动统计特性分析[J];轴承;1994年01期

5 李健宝;彭涛;;基于AR模型和KFDA的滚动轴承故障诊断[J];华中科技大学学报(自然科学版);2009年S1期

6 谢娟英;王春霞;蒋帅;张琰;;基于改进的F-score与支持向量机的特征选择方法[J];计算机应用;2010年04期

7 傅勤毅,章易程,应力军,李国顺;滚动轴承故障特征的小波提取方法[J];机械工程学报;2001年02期

8 雷亚国;何正嘉;訾艳阳;;基于混合智能新模型的故障诊断[J];机械工程学报;2008年07期

9 张益纯,刘振娟;滚动轴承故障分析探讨[J];内燃机配件;2000年03期

10 张军;陆森林;和卫星;王以顺;李天博;;基于小波包能量法的滚动轴承故障诊断[J];农业机械学报;2007年10期

相关博士学位论文 前1条

1 李萌;旋转机械轴承故障的特征提取与模式识别方法研究[D];吉林大学;2008年

相关硕士学位论文 前2条

1 叶q阽，

本文编号：1336705