基于邻域属性重要度与主成分分析的齿轮箱故障特征约简

• 作者: 古莹奎 承姿辛 朱繁泷 潘高平
• 来源期刊: 中国机械工程
• 关键词: 齿轮箱 特征约简 邻域决策系统 主成分分析 支持向量机
• 年，卷（期）: 2016,（13）
• 所属期刊栏目: 科学基金
• 页码范围: 1783-1789
• 页数: 7页
• 分类号: TH132.41|TH165.3
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2016.13.016

摘要

为有效降低齿轮箱故障特征的维数并提高诊断效率，提出了基于邻域属性重要度与主成分分析法相结合的齿轮箱故障特征约简方法，并利用支持向量机和 BP 神经网络对诊断的准确率进行对比分析。针对齿轮箱中具有不同程度裂纹的齿轮，选取其时域、频域和基于希尔伯特变换的36个特征；将邻域模型引入到特征属性的约简，构造前向贪心算法，以邻域属性重要度较大的9个特征作为特征集，提取累积贡献率达到95％以上的主成分，分别输入支持向量机和BP神经网络分类器中进行分类识别，并与不经过特征优选的主成分特征融合相对比。结果表明，采用基于邻域属性重要度与主成分分析法相结合的特征约简方法，既可以降低齿轮箱故障特征的维数，又不影响对其运行状态的表征，有助于识别不同裂纹水平的齿轮，与不经过特征优选直接进行融合的方法相比，所提出方法诊断准确率更高，训练时间更短。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	古莹奎		48	336	11.0	16.0
2	朱繁泷		4	44	4.0	4.0
3	承姿辛		8	48	4.0	6.0
4	潘高平		1	4	1.0	1.0