科研之友
微信
新浪微博
Facebook
分享链接
摘要
滚动轴承是机械设备的重要零部件之一，对其进行及时有效地监测和诊断对机械设备的安全运行有着重大意义。针对多源信息融合导致的高维性、信息冗余等问题，提出了一种基于局部联合稀疏边缘嵌入(locally joint sparse marginal embedding, LJSME)的轴承故障诊断方法。LJSME利用L2,1范数来重构类间矩阵和类内矩阵并引入局部图保留高维特征间的邻域关系，且将L2,1范数作为目标函数的正则项以保证特征提取的联合稀疏性，从而提高特征的敏感性和鲁棒性。首先从轴承振动信号中提取由时域和频域信息组成的高维特征数据集；随后利用LJSME提取高维特征空间数据集中的敏感低维特征；最后利用K-近邻分类器实现滚动轴承的故障模式识别。通过两组滚动轴承故障数据集对所提出的方法进行验证，与其他三种降维算法相比，所提算法能够有效地提取滚动轴承振动信号的敏感性特征。
- 单位
