基于EMD样本熵-LLTSA的故障特征提取方法

被引：50

作者：

向丹 ^{[1
,2
]}

葛爽 ^{[2
]}

机构：

[1] 广东技术师范学院自动化学院

[2] 华南理工大学机械与汽车工程学院

来源：

航空动力学报 | 2014年 / 07期

关键词：

经验模态分解; 样本熵; 流形学习; 特征提取; 支持向量机;

D O I：

10.13224/j.cnki.jasp.2014.07.004

中图分类号：

TH165.3 [];

学科分类号：

080202 ;

摘要：

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.

引用

页码：1535 / 1542

页数：8

共 11 条

[1] 基于线性局部切空间排列维数化简的故障诊断 [J].

李锋 ;

汤宝平 ;

陈法法 .

振动与冲击, 2012, 31 (13) :36-40+61

[2] 一种基于样本熵的轴承故障诊断方法 [J].

赵志宏 ;

杨绍普 .

振动与冲击, 2012, 31 (06) :136-140+154

[3] 基于DSmT的航空发动机早期振动故障融合诊断方法附视频 [J].

翟旭升 ;

胡金海 ;

谢寿生 ;

刘佳 ;

李强 .

航空动力学报, 2012, (02) :301-306

[4] 基于流形学习的涡轮泵海量数据异常识别算法 [J].

夏鲁瑞 ;

胡茑庆 ;

秦国军 .

航空动力学报, 2011, 26 (03) :698-703

[5] 冲击故障特征提取的非线性流形学习方法 [J].

梁霖 ;

徐光华 ;

栗茂林 ;

张熠卓 ;

梁小影 .

西安交通大学学报, 2009, 43 (11) :95-99

[6] 多分辨EMD方法与频域平均在齿轮早期故障诊断中的研究 [J].

鞠萍华 ;

秦树人 ;

秦毅 ;

丁志宇 .

振动与冲击, 2009, 28 (05) :97-101+207

[7]

Linear local tangent space alignment and application to face recognition[J] . Tianhao Zhang,Jie Yang,Deli Zhao,Xinliang Ge.Neurocomputing . 2007 (7)

[8]

Approximate Entropy as a diagnostic tool for machine health monitoring[J] . Ruqiang Yan,Robert X. Gao.Mechanical Systems and Signal Processing . 2006 (2)

[9]

Assessing Serial Irregularity and Its Implications for Health[J] . STEVEN M.PINCUS.Annals of the New York Academy of Sciences . 2006 (1)

[10] Closed form solutions for the point mobilities of axisymmetrically excited cylindrical shells [J].

Fégeant, O .

JOURNAL OF SOUND AND VIBRATION, 2001, 243 (01) :89-115

← 1 2 →