基于独立特征选择和局部保持投影的故障诊断

发布时间：2021-06-26 14:40

　　为了有效利用故障特征集中对故障敏感的特征进行故障诊断,提出基于独立特征选择（IFS）与局部保持投影（LPP）的故障诊断方法。该方法主要有三个步骤,一是从通过不同的特征提取方法,以此构建能够表征故障的混合特征集;二是对核线性判别分析（KLDA）进行改进,得到一种为每两类故障构建独立特征集的特征选择方法,在此基础上采用LPP对独立特征集进行进一步的融合;三是支持向量机（SVM）对构建的融合特征集进行识别,得到诊断结果。电机轴承故障诊断实例表明,所提方法具备较高的诊断准确率。 

【文章来源】：机械设计与研究. 2020,36(03)北大核心CSCD

【文章页数】：5 页

【部分图文】：

式(9)的关系曲线

② 为每两类故障进行独立特征选择,得到Di维敏感特征集,然后利用LPP对Di进行降维,进而得到di维融合特征,其中1<=di<Di,i=1,2,…, C(C-1)/2。③ 训练C(C-1)/2个二类分类SVM[13-15]组成诊断模型,并将测试样本输入模型中,得到最终的诊断结果。

本文采用的是CWRU的电机轴承故障数据,具体的实验参数设置可以参考文献[9]。从连续采集的各类故障数据中,分别截取正常轴承、外圈故障轴承、内圈故障轴承和滚动体故障轴承共4类状态的样本100组,截取长度为1 200个采样点,图3为具体的时域信号波形。3.3 分析结果

【参考文献】：
期刊论文
[1]基于优选小波包和PSO-SVM的失火故障诊断[J]. 韩佳佳,贾继德,梅检民,任刚,贾翔宇.  机械设计与研究. 2019(02)
[2]基于多维度互近似熵的滚动轴承故障诊断方法研究[J]. 王宜静,谭海燕.  机械设计与研究. 2019(01)
[3]基于VMD能量熵与支持向量机的齿轮故障诊断[J]. 张超,朱腾飞,王大勇.  机械设计与研究. 2018(02)
[4]基于改进蜂群算法优化支持向量机的故障诊断[J]. 吴印华,徐琼燕.  机械强度. 2018(02)
[5]等距映射和局部线性嵌入算法集成的转子故障数据集降维方法[J]. 陈鹏飞,赵荣珍,彭斌,李坤杰.  振动与冲击. 2017(06)
[6]基于多尺度子带样本熵和LPP的轴承故障诊断方法[J]. 王广斌,杜谋军,韩清凯,李学军.  振动与冲击. 2016(20)
[7]基于图像形状特征和LLTSA的故障诊断方法[J]. 张前图,房立清.  振动与冲击. 2016(09)
[8]基于LCD模糊熵和流行学习的故障特征提取方法[J]. 张良,张前图.  机械强度. 2016(02)
[9]一种新的非平稳信号分析方法——局部特征尺度分解法[J]. 程军圣,郑近德,杨宇.  振动工程学报. 2012(02)
[10]基于核schur正交局部Fisher判别的转子故障诊断[J]. 王广斌,刘义伦,黄良沛.  仪器仪表学报. 2010(05)



本文编号：3251530