基于ASL-Isomap流形学习的滚动轴承故障诊断方法

• 作者: 吴保林 戚晓利 王振亚
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 流形学习 ASL-Isomap 核极限学习机
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 167-174
• 页数: 8页
• 分类号: TP206+.3|TN911.7
• 字数: 6746字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2019.02.032

摘要

针对滚动轴承故障特征集维数高及冗余问题,提出一种基于自适应自组织增量学习神经网络界标点的等度规映射(Adaptive self-organizing incremental neural network landmark Isomap,ASL-Isomap)流形学习的滚动轴承故障诊断方法.首先,从时域、频域、时频域以及复杂域提取振动信号的故障特征,构建高维混合域故障特征集;其次,采用ASL-Isomap方法对高维混合域故障特征集进行维数约简,提取出低维、敏感特征子集;最后,应用核极限学习机(Kernel extreme learning machine,KELM)分类器对低维特征进行故障识别.ASL-Isomap方法集成自适应邻域构建和SOINN界标点选取的优势,能够更有效挖掘数据的低维本质流形.圆柱滚子轴承故障诊断实验验证该故障诊断方法的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戚晓利	安徽工业大学机械工程学院	46	207	8.0	12.0
2	王振亚	安徽工业大学机械工程学院	5	8	2.0	2.0
3	吴保林	安徽工业大学机械工程学院	4	7	2.0	2.0