10.13433/j.cnki.1003-8728.20190193
VMD和t-SNE相结合的滚动轴承故障诊断
滚动轴承故障诊断普遍采用有监督学习的方式,针对有标签数据难以获取的问题,提出一种VMD分解与t-SNE流形学习相结合的滚动轴承故障诊断方法.利用VMD分解将滚动轴承原始振动信号分解为若干本征模态分量(IMF);计算每个模态分量的时频特性指标组成高维故障特征,通过t-SNE对故障进行二次特征提取,获取低维敏感特征并将其作为K-means分类器的输入,实现故障类型的识别.将该方法应用到滚动轴承故障诊断中并与VMD+PCA、原始时频特征+t-SNE两种方法进行对比,结果表明VMD+t-SNE方法以无监督学习的方式实现了故障诊断的去标签化和自适应性,同时提高了故障诊断的准确性.
变分模态分解、t分布随机邻域嵌入、滚动轴承、特征提取、故障诊断
39
TH133.33
河北省科技计划项目14214902D
2020-07-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
758-764