基于本征时间尺度分解和变量预测模型模式识别的机械故障诊断

被引：43

作者：

罗颂荣 ^{[1
,2
]}

程军圣 ^{[1
]}

杨宇 ^{[1
]}

机构：

[1] 湖南大学机械与运载工程学院

[2] 湖南文理学院机械工程学院

来源：

振动与冲击 | 2013年 / 32卷 / 13期

基金：

湖南省自然科学基金;

关键词：

本征时间尺度分解; 变量预测模型; 多分类; 机械故障诊断; 机器学习;

D O I：

10.13465/j.cnki.jvs.2013.13.024

中图分类号：

TH165.3 [];

学科分类号：

摘要：

基于变量预测模型的模式识别(variable predictive model based class discriminate,VPMCD)方法是一种充分利用特征值之间相互内在关系进行多分类模式识别的新方法。对VPMCD算法进行了研究,并采用交叉验证法来选择VPMCD模型。针对机械故障振动信号的特征值之间的相互内在关系,结合本征时间尺度分解(intrinsic time-scale decom-position,ITD),提出了一种基于本征时间尺度分解和VPMCD的机械故障诊断方法。该方法首先利用ITD方法将原始信号分解若干个PR(proper rotation,PR)分量,然后提取第一个PR分量的无量纲时域统计参数组成特征向量,最后采用VPMCD方法进行机械故障诊断。通过滚动轴承故障诊断实验验证了该方法能有效地应用于小样本多分类机械故障诊断。

引用

页码：43 / 48

页数：6

共 12 条

[1]

模式识别与状态监控.[M].温熙森; 编著.科学出版社.2007,

[2]

机械故障诊断学.[M].钟秉林;黄仁主编;.机械工业出版社.1997,

[3]

Improving classification performance of Support Vector Machine by genetically optimising kernel shape and hyper-parameters [J].