CAJ | 학술논문

提出一种基于轴心轨迹流形拓扑空间的转子系统故障诊断新方法.采用总体平均经验模态分解对采集现场的振动信号进行处理,将降噪后的IMF分量重构形成还原信号.采用还原的信号构成轴心轨迹,将获得的每一个轴心轨迹看作高维流形特征的一个维度,进行轴心轨迹流形高维空间的相重构.采用基于非线性局部切空间流形学习算法对高维特征进行降维,网格搜索算法进行局部切空间维数和邻域点数的寻优,最终获得轴心轨迹流形拓扑空间内的敏感特征.应用该方法进行试验台转子系统的正常、不对中、碰摩三种类型的故障诊断,得到可视化的流形敏感特征.将其应用于数控车床主轴正常和偏心的特征获取并采用支持向量机(Support vector machine,SVM)进行故障诊断,训练准确率为98.8636％,测试准确率为99％.验证了算法的有效性.
제출일충기우축심궤적류형탁복공간적전자계통고장진단신방법.채용총체평균경험모태분해대채집현장적진동신호진행처리,장강조후적IMF분량중구형성환원신호.채용환원적신호구성축심궤적,장획득적매일개축심궤적간작고유류형특정적일개유도,진행축심궤적류형고유공간적상중구.채용기우비선성국부절공간류형학습산법대고유특정진행강유,망격수색산법진행국부절공간유수화린역점수적심우,최종획득축심궤적류형탁복공간내적민감특정.응용해방법진행시험태전자계통적정상、불대중、팽마삼충류형적고장진단,득도가시화적류형민감특정.장기응용우수공차상주축정상화편심적특정획취병채용지지향량궤(Support vector machine,SVM)진행고장진단,훈련준학솔위98.8636％,측시준학솔위99％.험증료산법적유효성.