基于特征处理的MVU算法在齿轮故障诊断中的应用

摘要：

针对不同故障类别齿轮的故障信息难以有效获取、齿面多类故障难以准确聚类的问题,提出一种基于特征处理的最大方差展开(Maximum Variance Unfolding,MVU)维数简约的齿轮故障诊断模型.首先对获取的振动信号进行最小熵反卷积(Minimum Entropy Deconvolution,MED)预处理,将高低频段进行分离并筛除不确定信号,并在多域上提取信息熵作为特征指标;而后,利用样本点分布矩阵筛选高效表征特征指标并构建高维特征空间,并利用改进的MVU算法对其进行维数简约,获取低维的真实子空间;最后,将其输入到超球多类支持向量机中进行超球构造与分类识别.通过实验数据的分析对比验证模型的有效性.

关键词：信息熵、特征处理、最大方差展开、超球多类支持向量机、齿轮

所属期刊栏目：39

分类号：TH132.41

资助基金：总装备部预研重点基金9140A27020309JB4701

在线出版日期：2020-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：123-130