基于核主元分析和极端学习机的轴承故障诊断方法

被引：23

作者：

张兰芳 ^{[1
]}

张朝龙 ^{[1
,2
]}

纪娟娟 ^{[1
]}

机构：

[1] 安庆师范大学物理与电气工程学院

[2] 合肥工业大学电气与自动化工程学院

来源：

电子测量与仪器学报 | 2018年 / 32卷 / 02期

基金：

安徽省自然科学基金; 国家重点研发计划;

关键词：

轴承; 故障诊断; 小波分析; 核主元分析; 极端学习机;

D O I：

10.13382/j.jemi.2018.02.004

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

摘要：

针对轴承故障诊断问题,提出了一种基于核主元分析和极端学习机的轴承故障识别方法。首先应用小波分析的方法计算轴承时域信号的小波系数能量作为原始特征,然后应用核主元分析方法对高维的原始特征进行优选和降维,最后将优选和降维后的特征应用极端学习机方法建立故障诊断模型,从而区分各类轴承故障。SKF6205滚动轴承故障诊断实验结果表明,核主元分析方法能较好地获取故障响应信号的本质特征,并可直观地描述出了各个故障的低维分布特征,可有效提高轴承故障的诊断正确率。

引用

页码：23 / 29

页数：7

共 17 条

[1] 改进LSSVM迁移学习方法的轴承故障诊断 [J].