西安交通大学学报
西安交通大學學報
서안교통대학학보
Journal of Xi'an Jiaotong University
2015年
10期
90-96
,共7页
回转支承%性能退化%概率主成分分析%支持向量机%状态识别
迴轉支承%性能退化%概率主成分分析%支持嚮量機%狀態識彆
회전지승%성능퇴화%개솔주성분분석%지지향량궤%상태식별
slewing bearing%degradation%probabilistic principal component analysis%support vector machine%state recognition
针对回转支承故障特征微弱以及难以提取的特点,提出一种基于概率主成分分析(probabilistic principal component analysis,PPCA)的多领域特征提取方法.该方法从振动信号的时域和时频域中提取出多个能够表征回转支承运行状态的特征向量,并将其组成高维特征集.采用PPCA从高维特征集中提取出最能够反映回转支承寿命状态信息的特征量,将其输入粒子群算法优化的支持向量机中进行寿命状态的识别.通过回转支承全寿命实验证明,基于PPCA的特征提取方法优于传统的主成分分析(principal component analysis,PCA),其相应的寿命状态识别精度提高了约8％,并且多领域、多变量的特征更能全面反映回转支承的性能退化趋势.与传统的特征提取方法相比,所提方法能够更全面有效地反映复杂恶劣环境下回转支承的故障信息,因此可以用于回转支承的健康监测领域.
針對迴轉支承故障特徵微弱以及難以提取的特點,提齣一種基于概率主成分分析(probabilistic principal component analysis,PPCA)的多領域特徵提取方法.該方法從振動信號的時域和時頻域中提取齣多箇能夠錶徵迴轉支承運行狀態的特徵嚮量,併將其組成高維特徵集.採用PPCA從高維特徵集中提取齣最能夠反映迴轉支承壽命狀態信息的特徵量,將其輸入粒子群算法優化的支持嚮量機中進行壽命狀態的識彆.通過迴轉支承全壽命實驗證明,基于PPCA的特徵提取方法優于傳統的主成分分析(principal component analysis,PCA),其相應的壽命狀態識彆精度提高瞭約8％,併且多領域、多變量的特徵更能全麵反映迴轉支承的性能退化趨勢.與傳統的特徵提取方法相比,所提方法能夠更全麵有效地反映複雜噁劣環境下迴轉支承的故障信息,因此可以用于迴轉支承的健康鑑測領域.
침대회전지승고장특정미약이급난이제취적특점,제출일충기우개솔주성분분석(probabilistic principal component analysis,PPCA)적다영역특정제취방법.해방법종진동신호적시역화시빈역중제취출다개능구표정회전지승운행상태적특정향량,병장기조성고유특정집.채용PPCA종고유특정집중제취출최능구반영회전지승수명상태신식적특정량,장기수입입자군산법우화적지지향량궤중진행수명상태적식별.통과회전지승전수명실험증명,기우PPCA적특정제취방법우우전통적주성분분석(principal component analysis,PCA),기상응적수명상태식별정도제고료약8％,병차다영역、다변량적특정경능전면반영회전지승적성능퇴화추세.여전통적특정제취방법상비,소제방법능구경전면유효지반영복잡악렬배경하회전지승적고장신식,인차가이용우회전지승적건강감측영역.
