基于流形学习与学习矢量量化神经网络的齿轮故障诊断模型

• 作者: 刘炜 杨艳君 王志伟 魏永合
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 齿轮故障 流形学习 学习矢量量化神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 控制与检测
• 页码范围: 135-138,144
• 页数: 5页
• 分类号: TH166|TG659
• 字数: 4179字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2018.04.033

摘要

为了提高对齿轮非平稳、非线性故障振动信号的可分性及其故障诊断的准确性,并针对其高维数据样本的特点提出一种基于流形学习与LVQ的齿轮故障诊断模型.该模型首先利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法进行齿轮故障振动信号的分解,得到一系列固有模式函数(Intrinsic Model Function,IMF)分量.接下来对含有主要故障信息的IMF分量进行特征提取和选择并构造高维观测样本,再用流形学习等距特征映射(ISOMAP)算法对初步的高维观测样本故障特征进行进一步的提取并对特征属性的数量进行压缩,在保留齿轮故障特征的整体几何结构信息的同时降低了特征数据的复杂度,增强了齿轮故障模式识别的分类性能.最后通过学习矢量量化神经网络(Learning Vector Quantization,LVQ)根据样本的特征将样本划分到一定的类别中去从而实现模式识别.通过比较实验结果来验证该模型的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏永合	沈阳理工大学机械工程学院	33	151	6.0	10.0
2	杨艳君	沈阳理工大学机械工程学院	4	6	2.0	2.0
3	刘炜	沈阳理工大学机械工程学院	7	7	2.0	2.0
4	王志伟	沈阳理工大学信息科学与工程学院	3	0	0.0	0.0