| 基于多小波包排列熵和流形学习的故障特征提取方法 |
|
| 投稿时间：2016-04-20 |
| 中文关键词:故障特征 多小波包 排列熵 流形学习 支持向量机 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 1854 |
| 全文下载次数: 1757 |
| 中文摘要: |
| 针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。 |
| 英文摘要: |
| |
| 邓飞跃,唐贵基.基于多小波包排列熵和流形学习的故障特征提取方法[J].石家庄铁道大学学报(自然科学版),2017,(2):46-52. |
| 查看全文 下载PDF阅读器 |
|
| 关闭 |
|
|
|
|
|