首页 | 本学科首页   官方微博 | 高级检索  
     

利用非线性流形学习的轴承早期故障特征提取方法
引用本文:栗茂林,王孙安,梁霖. 利用非线性流形学习的轴承早期故障特征提取方法[J]. 西安交通大学学报, 2010, 44(5)
作者姓名:栗茂林  王孙安  梁霖
作者单位:1. 西安交通大学机械工程学院,710049,西安
2. 西安交通大学机械工程学院,710049,西安;西安交通大学机械制造系统工程国家重点实验室,710049,西安
摘    要:针对早期故障微弱特征难以提取的问题,提出了一种基于非线性流形学习的滚动轴承早期故障特征提取方法.在由时域指标和小波频带能量组成的原始特征空间中,结合局部切空间排列学习算法的特点,采用散布矩阵分类测度指标,实现了局部邻域的优化选取,从而提取出最优的敏感故障特征.通过实例应用,表明该方法有效地克服了主分量分析和非线性核主分量分析方法的不足,提取的融合特征敏感性更好,从而提高了故障模式的分类性能,实现了轴承的早期故障诊断.

关 键 词:特征提取  流形学习  故障诊断  滚动轴承

Feature Extraction for Incipient Fault Diagnosis of Rolling Bearings Based on Nonlinear Manifold Learning
LI Maolin,WANG Sunan,LIANG Lin. Feature Extraction for Incipient Fault Diagnosis of Rolling Bearings Based on Nonlinear Manifold Learning[J]. Journal of Xi'an Jiaotong University, 2010, 44(5)
Authors:LI Maolin  WANG Sunan  LIANG Lin
Affiliation:LI Maolin1,WANG Sun'an1,LIANG Lin2(1.School of Mechanical Engineering,Xi'an Jiaotong University,Xi'an 710049,China,2. State Key Laboratory forManufacturing Systems Engineering,China)
Abstract:To extract the incipient fault feature of rolling bearings,a novel feature extraction approach based on the nonlinear manifold learning algorithm is proposed.Constructing the original feature space with the time domain indexes and the wavelet frequency domain energies,the local target space alignment algorithm is employed for extracting nonlinear low dimensional manifold.According to the characteristics of the scatter matrix classification measure,the selection criterion of local neighborhood parameter is i...
Keywords:feature extraction  manifold learning  fault diagnosis  rolling bearing
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号