10.16385/j.cnki.issn.1004-4523.2020.03.022
移不变时频流形自学习的旋转机械故障特征增强
针对传统稀疏方法在字典构造过程的不足及稀疏表征结果的局限性问题,通过在移不变稀疏学习的框架下,引入时频流形学习,提出了一种新的移不变时频流形自学习的故障诊断方法.该方法基于时频流形对信号局部特征结构的挖掘与增强能力,采用包络谱熵获取信号特征最优本征包络模态分量,提出利用局部流形包络模态完成对全局包络信号的移不变学习与特征增强,结合相位保持以及一系列逆变换完成全局信号移不变流形模态的重构表达与增强学习,最终实现旋转机械故障信号增强与诊断分析.实验结果表明,该方法可以实现强背景噪声的有效抑制及非线性瞬态特征的高效挖掘与学习,有利于构建高效准确的故障诊断研究.
故障诊断、旋转机械、特征增强、时频流形、移不变稀疏学习
33
TH165+.3;TH133.3
国家自然科学基金资助项目;中国博士后基金
2020-07-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
622-628