基于IMF奇异值熵和t-SNE的滚动轴承故障识别

• 作者: 段萍 王旭 丁承君 冯玉伯 秦越
• 来源期刊: 传感器与微系统
• 关键词: 经验小波变换 奇异值熵 t分布随机领域嵌入 故障识别
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 134-137
• 页数: 4页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)03-0134-04

摘要

针对滚动轴承振动信号非线性、非平稳性以及故障难以识别的问题,提出了一种经验小波变换(EWT)、奇异值熵和t分布随机领域嵌入(t-SNE)相结合的滚动轴承故障识别方法.对原始振动信号进行EWT分解得到若干固有模态分量(IMF),对IMF进行奇异值分解求取奇异值熵.利用t-SNE算法对奇异值熵组成的特征矩阵进行降维,所提取的低维特征能够有效反映故障信息.最后,将低维特征输入到K-means分类器中进行模式识别.将该方法应用到滚动轴承实验中并与EMD+奇异值熵+t-SNE、EWT+奇异值熵+PCA方法进行对比,结果表明:所提方法能够更有效地提取滚动轴承的故障特征,提高了故障识别的精度.