10.16450/j.cnki.issn.1004-6801.2019.01.005
GFD和核主元分析的机械振动特征提取
针对旋转机械非线性特征提取的问题,提出了广义分形维数(generalized fractal dimension,简称GFD)和核函数主元分析(kernel principal component analysis,简称KPCA)的旋转机械振动特征提取方法.首先,通过广义分形维数进行初次特征提取,形成高维特征空间;其次,通过核主元分析方法对高维特征空间降维并进行第二次特征提取;最后,利用核主元分析方法和KN近邻(KNN)方法对转子和轴承不同状态下的特征进行了分类.研究表明,GFD-KPCA方法对旋转机械进行了有效的特征提取,对不同状态的数据有高精度的分类,对参数选取有较低的依赖性.轴承微弱振动特征提取结果显示,GFD-KPCA性能优于常规的KPCA特征提取算法,具有更好的精度和适用范围.
旋转机械、广义分形维数、核主元分析、特征提取、故障分类
39
TP206+.3;TH132(自动化技术及设备)
泰山学者工程专项经费资助项目;国家自然科学基金资助项目51505492
2019-03-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
32-38