基于自适应LTSA算法的滚动轴承故障诊断

作者:佘博[1] 田福庆[2] 汤健[3] 李克玉[1] 刊名:华中科技大学学报:自然科学版 上传者:谭景昊

【摘要】针对故障特征集维数高以及冗余的问题,提出一种自适应邻域选择的改进局部切空间排列维数约简方法.通过考虑流形的采样密度、局部弯曲度和局部切空间近似偏离角度,自适应构建样本邻域,以保证局部线性度,能提高算法鲁棒性.为提高故障诊断准确率,提出改进Fisher准则的特征评价方法,首先对原始特征集进行特征选择,优选出能表征类间散度大、类内散度小和低冗余的故障特征,然后采用改进的局部切空间排列算法进行特征融合,得到低维的敏感特征子集,并输入到k最近邻分类器进行故障识别.用滚动轴承不同部位、不同故障程度的实验数据验证了该方法的有效性.

全文阅读

第45卷 2017焦 第 1期 1月 技 大 学 学 报 (自 然 科 学 版) of Sci.& Tech.(Natural Science Edition) Vo1.45 NO.1 Jan. 2017 DOI:10.13245/j.hust.170117 基于自适应 LTSA算法的滚动轴承故障诊断 佘 博 田福庆 汤 健 李克玉。 (1海军工程大学兵器工程系,湖北 武汉 430000;2北京工业大学信 息学部 , 北京 100124;3中国人 民解放军 91467部队 ,山东 胶 州 266309) 摘要 针对故障特征集维数高以及冗余的问题 ,提出一种 自适应邻域选择的改进局部切空间排列维数约简 方法.通过考虑流形的采样密度、局部弯曲度和局部切空间近似偏离角度,自适应构建样本邻域,以保证局部 线性度,能提高算法鲁棒性.为提高故障诊断准确率,提出改进 Fisher准则的特征评价方法,首先对原始特征 集进行特征选择,优选出能表征类间散度大、类内散度小和低冗余的故障特征,然后采用改进的局部切空间排 列算法进行特征融合,得到低维的敏感特征子集,并输入到 k最近邻分类器进行故障识别.用滚动轴承不同部 位、不同故障程度的实验数据验证了该方法的有效性. 关键词 滚动轴承;故障诊断;Fisher准则;白适应邻域选择;局部切空间排列 中图分 类号 TP391.4;TH113.1 文献标志码 A 文章编号 1671—4512(2017)01-0091 06 Fault diagnosis of rolling bearing based on adaptive LTSA algorithm She Bo Tian Fuqing Tang Jian Li Keyu。 (1 Department of Weaponry Engineering,Naval University of Engineering,W uhan 430000,China; 2 Department of Information,Beijing University of Technology,Beijing 100124,China; 3 Unit No.91467 of People s Liberation Army,Jiaozhou 266309,Shandong China) Abstract Improved local tangent space alignment(ILTSA)method with adaptive neighborhood selec— tion was presented,aiming at solving the problem of over—high dimensions and redundancy in the mixed fault feature set.As traditional neighborhood selection method was not applicable to the varied curvature and non—uniformly sampled manifold,to keep the local linearity by considering the sample density,the local curvature and the deflection angle of local tangent space,method of selec

参考文献

引证文献

问答

我要提问