基于正交邻域保持嵌入特征约简的故障诊断模型

• 作者: 李锋 汤宝平 董绍江
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 正交邻域保持嵌入 流形学习 特征约简 最近邻分类器 经验模式分解 故障诊断
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 621-627
• 分类号: TH165.3|TN911.2
• 字数: 4329字
• 语种: 中文

摘要

提出一种基于正交邻域保持嵌入(orthogonal neighborhood preserving embedding,ONPE)特征约简的故障诊断模型.首先将原振动信号经验模式分解(empirical mode decomposition,EMD)并构造Shannon熵得到高维特征向量,再利用ONPE将高维特征向量约简为低维特征向量,并输入到最近邻分类器(k-nearest neighbors classifier,KNNC)中进行故障识别.本模型充分利用了EMD分解在故障特征提取、ONPE在信息压缩和KNNC在分类决策方面的优势,实现了旋转机械故障特征提取到故障诊断的全程自动化,并提高了诊断精度,为旋转机械故障诊断提供了一种新的模型分析方法.一个滚动轴承故障诊断实例验证了该模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤宝平	重庆大学机械传动国家重点实验室	208	4648	33.0	63.0
2	董绍江	重庆大学机械传动国家重点实验室	11	327	9.0	11.0
3	李锋	重庆大学机械传动国家重点实验室	15	180	7.0	13.0