迁移因子分析在齿轮箱变工况故障诊断中的应用

• 作者: 段礼祥 王凯 王金江 谢骏遥 赵锐
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 迁移因子分析 齿轮箱 变工况 故障诊断
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 534-541
• 页数: 8页
• 分类号: TH165.3
• 字数: 3790字
• 语种: 中文
• DOI: 10.13382/j.jemi.2016.04.005

摘要

针对变工况下齿轮箱监测数据重用性低，受复杂工况影响大和传统诊断方法难以进行准确检测和有效识别，为此提出迁移因子分析算法（transfer factor analysis，TFA）。该算法基于高斯潜在因子模型，通过将训练数据和测试数据投影到性能优越、分布间距最小的潜在空间寻求公共潜在因子进行迁移，有效减小训练样本和测试样本分布差异，为变工况下设备故障诊断提供了新思路。实验证明，该算法相比传统机器学习算法（主成分分析、核主成分分析、局部线性嵌入算法和因子分析）及迁移成分分析（transferred component analysis，TCA）算法，故障诊断正确率平均提高10％～20％，最高可达93.63％，因此该算法可用于变工况下齿轮箱故障诊断。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王凯	中国石油大学北京机械与储运工程学院	113	475	11.0	17.0
2	段礼祥	中国石油大学北京机械与储运工程学院	49	374	11.0	17.0
3	谢骏遥	中国石油大学北京机械与储运工程学院	4	19	3.0	4.0
4	王金江	中国石油大学北京机械与储运工程学院	8	32	3.0	5.0
5	赵锐	南洋理工大学电机与电子工程学院	1	12	1.0	1.0