基于流形学习和改进VPMCD的滚动轴承故障诊断方法

作者：潘海洋; 杨宇; 李永国; 程军圣

来源：振动工程学报, 2014, 27(06): 934-941.

DOI：10.16385/j.cnki.issn.1004-4523.2014.06.009

• 故障诊断
• 滚动轴承
• LE
• KVPMCD

提出一种基于拉普拉斯特征映射流形学习算法(Laplacian Eigenmaps,简称LE)和改进多变量预测模型(Variable predictive model based class discriminate,简称VPMCD)的滚动轴承故障诊断方法,首先对振动信号进行局部特征尺度分解(Local characteristic scale decomposition,简称LCD),并提取各内禀尺度分量(Intrinsic scale component,简称ISC)的特征构造高维特征向量,接着采用LE算法挖掘出高维数据中包含有效信息且具有内在规律性的低维特征,然后输入到基于Kriging的改进多变量预测模型(Kriging-variable predictive model based class discriminate,简称KVPMCD)分类器中进行模式识别。该方法充分利用并有效结合了LCD在信号处理、LE在挖掘特征信息和KVPMCD在模式识别方面的优势,实现了滚动轴承故障特征提取到故障识别的全程诊断。实验分析结果表明:基于LE算法和KVPMCD的分类方法可以有效地对滚动轴承的工作状态和故障类型进行识别。

• 单位
  汽车车身先进设计制造国家重点实验室; 湖南大学; 安徽工业大学