基于邻域属性重要度与主成分分析的齿轮箱故障特征约简

发布时间：2020-11-17 23:55

　　 为有效降低齿轮箱故障特征的维数并提高诊断效率,提出了基于邻域属性重要度与主成分分析法相结合的齿轮箱故障特征约简方法,并利用支持向量机和BP神经网络对诊断的准确率进行对比分析。针对齿轮箱中具有不同程度裂纹的齿轮,选取其时域、频域和基于希尔伯特变换的36个特征;将邻域模型引入到特征属性的约简,构造前向贪心算法,以邻域属性重要度较大的9个特征作为特征集,提取累积贡献率达到95%以上的主成分,分别输入支持向量机和BP神经网络分类器中进行分类识别,并与不经过特征优选的主成分特征融合相对比。结果表明,采用基于邻域属性重要度与主成分分析法相结合的特征约简方法,既可以降低齿轮箱故障特征的维数,又不影响对其运行状态的表征,有助于识别不同裂纹水平的齿轮,与不经过特征优选直接进行融合的方法相比,所提出方法诊断准确率更高,训练时间更短。
【文章目录】：
0 引言
1 齿轮箱特征定义及其分类
2 齿轮箱振动实验
3 基于邻近粗糙集属性重要度的属性约简
    3.1 前向贪心数值属性约简
    3.2 基于邻域属性重要度的齿轮箱特征优选
    3.3 优选特征的变化趋势分析
4 基于特征优选与PCA相结合的齿轮箱故障特征融合
    4.1 特征融合方案分析
        4.1.1 融合方案一大,其下降速率也增长。
        4.1.2 融合方案二
    4.2 分析讨论
5 结束语


本文编号：2888075