基于线性局部切空间排列维数化简的故障诊断

摘要：

为实现旋转机械故障诊断方法的自动化、高精度及通用性,提出基于线性局部切空间排列(Linear Local Tangent Space Alignment,LLTSA)维数化简的故障诊断模型.首先结合经验模式分解(Empirical Mode Decomposition,EMD)和自回归(Autoregression,AR)模型系数构造全面表征不同故障特性的混合域特征集,再利用LLTSA将高维混合域特征集化简为故障区分度更好的低维特征矢量,并输入到最近邻分类器(K-nearest Neighbors Classifier,KNNC)中进行故障模式识别.所提出的诊断模型充分融合混合域特征融合在故障特征的全面提取、LLTSA在信息的有效化简及KNNC在分类决策方面的优势,实现诊断方法的自动化、高识别率及较好的通用性.用深沟球轴承不同部位、不同程度故障诊断实例验证该模型的有效性.

关键词：混合域特征融合、线性局部切空间排列、维数化简、最近邻分类器、故障诊断

所属期刊栏目：31

分类号：TH165.3;TN911.2

资助基金：重庆市自然科学杰出青年基金CQcsts2011jjjq70001;四川大学青年教师科研启动基金2012SCU11

在线出版日期：2012-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-40,61