面向转子故障特征提取的多尺度拉普拉斯特征映射方法
发布时间：2018-08-19 14:19
【摘要】：融合多尺度分解理论和流形学习思想,提出了一种面向转子故障特征提取的多尺度拉普拉斯特征映射算法。首先对转子故障振动信号进行多尺度小波包分解,提取各独立频带信号的最优尺度小波熵,构建特征参量矩阵并估计其固有维数,然后通过拉普拉斯特征映射将特征参量数据嵌入到低维本征空间,得到故障的最敏感特征,最后融合决策实现故障的准确识别。实验表明,相对于主成分分析算法、局部线性嵌入算法和拉普拉斯特征映射算法,多尺度拉普拉斯特征映射方法提取的转子故障信号特征更容易识别。
[Abstract]:A multi-scale Laplace feature mapping algorithm for rotor fault feature extraction is proposed by combining multi-scale decomposition theory and manifold learning idea. Firstly, the rotor fault vibration signal is decomposed with multi-scale wavelet packet, the optimal scale wavelet entropy of each independent frequency band signal is extracted, the characteristic parameter matrix is constructed and its intrinsic dimension is estimated. Then the feature parameter data is embedded into the low-dimensional eigenspace by Laplacian feature mapping to obtain the most sensitive feature of the fault. Finally, the fusion decision is used to accurately identify the fault. The experimental results show that compared with principal component analysis (PCA) algorithm, local linear embedding algorithm and Laplace feature mapping algorithm, the multi-scale Laplace feature mapping method is easier to identify rotor fault signal features.
【作者单位】： 湖南科技大学机械设备健康维护湖南省重点实验室;中交第二航务工程局有限公司深圳分公司;
【基金】：国家自然科学基金资助项目(51575178,U1433118)
【分类号】：TH17
本文编号：2191916
[Abstract]:A multi-scale Laplace feature mapping algorithm for rotor fault feature extraction is proposed by combining multi-scale decomposition theory and manifold learning idea. Firstly, the rotor fault vibration signal is decomposed with multi-scale wavelet packet, the optimal scale wavelet entropy of each independent frequency band signal is extracted, the characteristic parameter matrix is constructed and its intrinsic dimension is estimated. Then the feature parameter data is embedded into the low-dimensional eigenspace by Laplacian feature mapping to obtain the most sensitive feature of the fault. Finally, the fusion decision is used to accurately identify the fault. The experimental results show that compared with principal component analysis (PCA) algorithm, local linear embedding algorithm and Laplace feature mapping algorithm, the multi-scale Laplace feature mapping method is easier to identify rotor fault signal features.
【作者单位】： 湖南科技大学机械设备健康维护湖南省重点实验室;中交第二航务工程局有限公司深圳分公司;
【基金】：国家自然科学基金资助项目(51575178,U1433118)
【分类号】：TH17
【相似文献】
相关期刊论文 前9条
1 郭捷;苗红;;基于特征映射的集成维护管理目标体系的研究[J];组合机床与自动化加工技术;2006年11期
2 郑德涛，高健，张平，祝国旺，，孙健,王先逵;零件设计域到制造域的特征映射机理研究与应用[J];机械工程学报;1996年04期
3 陈晓川,冯辛安;面向成本的设计中的多域特征映射研究[J];机械科学与技术;2002年02期
4 高健,郑德涛,张平,孙健,王先逵;特征映射环境下工艺信息模型的图结构表达与应用[J];中国机械工程;1998年03期
5 杨河清;陈卓宁;严晓光;;Pro/E平台下基于特征映射的组合特征提取技术研究[J];机床与液压;2013年13期
6 窦万峰,王保保,魏天功,徐国华;面向并行工程的多域特征映射方法学研究[J];机械设计;1998年09期
7 窦万峰,王保保,魏天功,徐国华;多域特征映射应用研究:设计域到有限元分析域特征映射[J];机械设计;1999年01期
8 高健,郑德涛,吴想军,孙健,王先逵;基于特征映射的 CAPP 系统零件信息的自动输入[J];组合机床与自动化加工技术;1998年06期
9 ;[J];;年期
相关博士学位论文 前1条
1 窦万峰;并行工程环境下的多域特征映射研究[D];西安电子科技大学;1998年
相关硕士学位论文 前1条
1 罗军;基于拉普拉斯特征映射的旋转机械故障诊断方法研究[D];湖南科技大学;2015年
本文编号：2191916
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/2191916.html
