利用非线性流形学习的轴承早期故障特征提取方法

作者：栗茂林; 王孙安; 梁霖

来源：西安交通大学学报, 2010, (05): 45-49.

• 特征提取
• 流形学习
• 故障诊断
• 滚动轴承 feature extraction
• manifold learning
• fault diagnosis
• rolling bearing

针对早期故障微弱特征难以提取的问题,提出了一种基于非线性流形学习的滚动轴承早期故障特征提取方法.在由时域指标和小波频带能量组成的原始特征空间中,结合局部切空间排列学习算法的特点,采用散布矩阵分类测度指标,实现了局部邻域的优化选取,从而提取出最优的敏感故障特征.通过实例应用,表明该方法有效地克服了主分量分析和非线性核主分量分析方法的不足,提取的融合特征敏感性更好,从而提高了故障模式的分类性能,实现了轴承的早期故障诊断.

• 单位
  西安交通大学机械制造系统工程国家重点实验室; 西安交通大学