小波包-局部线性嵌入算法在滚动轴承故障程度识别中的应用

被引：40

作者：

康守强 ^{[1
]}

李祝强 ^{[1
]}

杨广学 ^{[1
]}

王玉静 ^{[1
,2
]}

机构：

[1] 哈尔滨理工大学电气与电子工程学院

[2] 哈尔滨工业大学电子与信息工程学院

来源：

仪器仪表学报 | 2014年 / 35卷 / 03期

关键词：

小波包分解; 局部线性嵌入; 支持向量机; 滚动轴承; 性能退化;

D O I：

10.19650/j.cnki.cjsi.2014.03.018

中图分类号：

TH165.3 []; TN911.7 [信号处理];

学科分类号：

081002 [信号与信息处理];

摘要：

对滚动轴承不同性能退化程度进行识别是性能退化评估的前提。为了提高性能退化程度的识别准确率,提出一种基于小波包与局部线性嵌入算法相结合的滚动轴承故障性能退化程度识别方法。首先计算单个样本振动信号的时域、频域指标,再对振动信号进行小波包分解并重构,提取节点信号的时域、频域指标和奇异值构造特征向量,并将多个样本的特征向量排列组合成特征矩阵,然后利用局部线性嵌入算法对特征矩阵当中的特征维数进行约简。最后利用支持向量机对滚动轴承不同性能退化程度进行识别,验证提出方法的可行性和有效性。实验表明,该方法可以准确地识别出滚动轴承不同性能退化程度。

引用

页码：614 / 619

页数：6

共 13 条

[1]

Bearing performance degradation assessment based on lifting wavelet packet decomposition and fuzzy c-means.[J].Yuna Pan;Jin Chen;Xinglin Li.Mechanical Systems and Signal Processing.2009, 2

[2]

Robust bearing performance degradation assessment method based on improved wavelet packet–support vector data description.[J].Yuna Pan;Jin Chen;Lei Guo.Mechanical Systems and Signal Processing.2008, 3

[3]

基于改进EMD和谱峭度法滚动轴承故障特征提取 [J].