一种新的复杂网络建模和特征提取方法及应用

摘要：

现有复杂网络应用于故障诊断时,通常基于时域信息出发建模,造成信号频域特征缺失,并且提取的网络拓扑特性过于宏观,对网络内部的局部变化不敏感.相比于宏观特征,局部特征往往蕴含更为丰富的信息,能更准确地表征网络模型.针对此问题,提出一种基于频域复杂网络分解的局部特征提取新方法,该方法借助复杂网络的结构特性来获取信号在频域的变化规律,采用对网络局部变化敏感的微观特性表征整个网络模型,不受机理的限制,应用灵活.采用滚动轴承不同故障的数据进行验证,并与常规复杂网络拓扑特征和时域统计参数进行对比分析,结果表明,本研究方法及提取的特征可分性好,对故障识别正确率达99%,可满足滚动轴承故障诊断的需求,同时对其他非平稳信号处理及识别有一定的借鉴意义.

关键词：频域复杂网络分解、子网络平均度、旋转机械、故障诊断

所属期刊栏目：39

分类号：TH17;TP18

资助基金：国家自然科学基金资助项目51775409,51420004;装备预研基金资助项目6140004030116JW08001;国家重点研发计划资助项目2017YFF0210504

在线出版日期：2020-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1284-1290