10.11835/j.issn.1000-582X.2017.07.004
单通道旋转机械复合故障信号分离及诊断
针对单通道条件下旋转机械复合故障信号分离和故障类别诊断难以有效实现的问题,采用总体经验模态分解(ensemble empirical mode decomposition,EEMD)方法构建虚拟多通道和线性局部切空间排列(linear local tangent space alignment,LLTSA)维数约减方法解决单通道盲源分离的欠定问题,并通过完备字典训练和稀疏分解提取故障信号稀疏特征,最后利用支持向量机对该诊断方法进行分类评估,并将其运用在滚动轴承故障诊断实验中,实现了单通道旋转机械复合故障信号的有效分离和故障类型的正确诊断.
盲源分离、稀疏表示、特征提取、故障诊断
40
TH17
中央高校基本科研业务费资助项目1061120131207,12120001;重庆市研究生科研创新项目CYS14028.Supported by the Fundamental Research Funds for the Central Universities1061120131207,12120001;the Innovation Fund Designated for Graduate Students of ChongqingCYS14028
2017-11-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
25-31