振动与冲击
振動與遲擊
진동여충격
JOURNAL OF VIBRATION AND SHOCK
2014年
11期
1-5
,共5页
小波包%样本熵%流形学习%特征提取%支持向量机
小波包%樣本熵%流形學習%特徵提取%支持嚮量機
소파포%양본적%류형학습%특정제취%지지향량궤
wavelet packet%sample entropy%manifold learning%feature extraction%SVM
针对机械故障信号的非线性、故障征兆的多样性和复杂性等诊断问题,提出了一种基于小波包样本熵和流形学习的故障特征提取模型.该模型首先利用小波包的分解和重构,计算重构细节信号的样本熵,初步提取滚动轴承故障特征,然后利用流形学习法对初步的样本熵故障特征进行进一步的提取,在保留故障特征的整体几何结构信息的同时降低了特征数据的复杂度,增强了故障模式识别的分类性能.最后通过支持向量机对该模型提取的特征进行分类,通过比较初提取特征和再提取特征分类效果来验证该模型的优越性.
針對機械故障信號的非線性、故障徵兆的多樣性和複雜性等診斷問題,提齣瞭一種基于小波包樣本熵和流形學習的故障特徵提取模型.該模型首先利用小波包的分解和重構,計算重構細節信號的樣本熵,初步提取滾動軸承故障特徵,然後利用流形學習法對初步的樣本熵故障特徵進行進一步的提取,在保留故障特徵的整體幾何結構信息的同時降低瞭特徵數據的複雜度,增彊瞭故障模式識彆的分類性能.最後通過支持嚮量機對該模型提取的特徵進行分類,通過比較初提取特徵和再提取特徵分類效果來驗證該模型的優越性.
침대궤계고장신호적비선성、고장정조적다양성화복잡성등진단문제,제출료일충기우소파포양본적화류형학습적고장특정제취모형.해모형수선이용소파포적분해화중구,계산중구세절신호적양본적,초보제취곤동축승고장특정,연후이용류형학습법대초보적양본적고장특정진행진일보적제취,재보류고장특정적정체궤하결구신식적동시강저료특정수거적복잡도,증강료고장모식식별적분류성능.최후통과지지향량궤대해모형제취적특정진행분류,통과비교초제취특정화재제취특정분류효과래험증해모형적우월성.
