基于FFT和LLTSA的传动系统故障诊断研究

• 作者: 陈晓 刘秋菊 王仲英
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 机械传动系统 快速傅里叶变换 流形学习 线性局部切空间排列 智能分类
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 机械零件及传动装置|Mechanical Parts and Transmission
• 页码范围: 513-518
• 页数: 6页
• 分类号: TH132
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2022.04.013

摘要

在传统的故障诊断方法中,往往先要基于先验知识求取原始振动信号的特征,并将其输入到智能分类器中进行模式识别,其中容易出现信息丢失,且依靠人为经验进行判断不够准确,针对这一问题,提出了基于快速傅里叶变换(FFT)与流行学习联合的智能故障诊断模型.首先,采用FFT变换将原始数据从时域转换到频域,获得了高维特征数据;然后,使用3种流形学习算法,即多维尺度变换(MDS)、核主成分分析(KPCA)、线性局部切空间排列(LLTSA),获得了低维表征信息;最后,基于故障诊断试验平台系统,对轴承及齿轮工作数据信息进行了获取与处理,将其数据样本输入到智能分类器中,进行了训练和测试.研究结果表明:FFT降维变换可以有效地减少人为选择因素引起的样本衰减现象,同时最近邻域估计算法可以提高智能分类器的测试准确率,使得基于FFT与流行学习的联合智能分类模型对状态数据识别率在80％以上,其中FFT+LLTSA联合智能分类模型的识别率最高可达到87％以上;该结果可验证该分类模型在机械传动系统故障检测中具有的有效性.