针对转子高维故障特征识别精度低的问题,提出基于集成经验模态分解(EEMD)能量矩和邻域保持嵌入(NPE)算法相结合的转子故障分类方法。首先利用EEMD对转子系统的振动故障信号进行分解,得到各阶的本征模态分量(IMF)并计算其能量特征向量矩阵,然后应用NPE算法将高维特征集向低维投影,使降维后类内散度最小化及类间分离度最大化,最后将降维后得到的低维特征集输入K近邻分类器进行模式识别。通过双跨度轴承转子试验台的故障特征数据集验证,结果表明该方法能够有效地解决转子故障特征集的降维问题。
科研之友
微信
新浪微博
Facebook
分享链接
