振动敏感特征与流形学习的风机基座螺栓松动程度诊断
为实现在役风机基座螺栓松动程度诊断的自动化与高精度,解决松动特征提取与敏感特征选取、高维非线性约简与松动程度稳定识别的问题,提出基于振动敏感特征与流形学习约简的风机基座螺栓松动程度诊断方法.首先,融合振动信号时频特征构建出原始松动程度特征集,实现对松动程度的定量表征;设计出风机基座连接螺栓松动程度敏感性指标算法,选取敏感特征构建松动程度敏感特征集,增强特征集的表征性能.再应用正交局部保持映射流形学习算法对松动程度敏感特征集进行非线性约简,滤除冗余信息获得分类特性好的低维松动程度特征集,并输入加权最近邻分类器进行松动程度识别.工程应用结果证明了所提方法的可行性和有效性.
风机基座、松动程度、敏感特征、正交局部保持映射、加权k最近邻分类器、故障诊断
23
TN911.7;TH165.3
国家自然科学基金资助项目51305471;机械传动国家重点实验室开放基金项目SKLMT-KFKT-201710;中国博士后科学基金资助项目2014M560719;重庆市留学人员回国创业创新支持计划创新项目cx2017076.Project supported by the National Natural Science Foundation,China51305471;the State Key Laboratory of Mechanical Transmission Open Foundation,ChinaSKLMT-KFKT-201710;the China Postdoctoral Science Foundation,China2014M560719;the Chongqing Municipal Scientific Research Foundation for the Returned Overseas Chinese Scholars,Chinacx2017076
2018-04-28（万方平台首次上网日期，不代表论文的发表时间）
共9页
2613-2621
