VMD和t-SNE相结合的滚动轴承故障诊断

• 作者: 丁承君 付晓阳 冯玉伯 张良
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 变分模态分解 t分布随机邻域嵌入 滚动轴承 特征提取 故障诊断
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 758-764
• 页数: 7页
• 分类号: TH133.33
• 字数: 4756字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190193

摘要

滚动轴承故障诊断普遍采用有监督学习的方式,针对有标签数据难以获取的问题,提出一种VMD分解与t-SNE流形学习相结合的滚动轴承故障诊断方法.利用VMD分解将滚动轴承原始振动信号分解为若干本征模态分量(IMF);计算每个模态分量的时频特性指标组成高维故障特征,通过t-SNE对故障进行二次特征提取,获取低维敏感特征并将其作为K-means分类器的输入,实现故障类型的识别.将该方法应用到滚动轴承故障诊断中并与VMD+PCA、原始时频特征+t-SNE两种方法进行对比,结果表明VMD+t-SNE方法以无监督学习的方式实现了故障诊断的去标签化和自适应性,同时提高了故障诊断的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁承君	河北工业大学机械工程学院	84	619	13.0	23.0
2	冯玉伯	河北工业大学机械工程学院	15	18	3.0	3.0
3	张良	河北工业大学机械工程学院	4	0	0.0	0.0
4	付晓阳	河北工业大学机械工程学院	2	0	0.0	0.0