基于标准正交判别投影的转子故障数据集降维方法

摘要：

针对旋转机械智能决策技术的故障数据分类问题,提出一种基于标准正交判别投影(SODP)的转子故障数据集降维算法.该方法从时域、频域及时频域构造原始故障特征集,将振动信号转化为高维特征数据集;运用SODP选择出其中最能反映故障本质的敏感特征子集;将得到的低维特征子集输入到KNN分类器中进行故障模式辨识.用一个双跨度转子系统的振动信号集合进行验证,证明了该方法能够有效地提取出全局与局部判别信息,使故障类别之间的差异性变得更清晰,相应地提高了故障模式识别准确率.研究表明该算法可为实际转子智能故障诊断提供参考.

关键词：故障分类、转子故障数据集、正交判别投影、标准正交性约束、K近邻(KNN)分类器

所属期刊栏目：39

分类号：TP18;TH165(自动化基础理论)

资助基金：国家自然科学基金;兰州理工大学红柳一流学科建设项目支持

在线出版日期：2020-11-10（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：96-102