基于M-WDLS和PCA的转子故障诊断方法 | |
赵荣珍; 常书源 | |
刊名 | 兰州理工大学学报 |
2021-10-15 | |
卷号 | 47期号:2021,47(05)页码:38-44 |
关键词 | 拉普拉斯分值 Manhattan距离 判别权值函数 故障诊断 |
英文摘要 | 针对不同故障特征属性交互重叠导致的故障类别辨识困难问题,提出一种基于Manhattan距离作为特征之间相似度信息测度的权值判别拉普拉斯分值特征选择方法.该方法采用Manhattan距离衡量高维特征矢量之间的相似度,并将数据样本标记信息融入权值计算中以增强权值的判别性,提升了LS算法的敏感特征筛选性能.将M-WDLS和主成分分析相结合,提出基于M-WDLS和PCA的转子故障诊断方法.首先提取原始振动信号的时域、频域、时频域特征构造混合域特征集;然后利用M-WDLS选择敏感特征组成敏感特征矩阵;最后对敏感特征矩阵进行PCA降维处理,并将结果输入到K-近邻分类器中进行模式识别.对比实验的结果表明,该方法能有效提取转子系统振动信号的状态特征,有助于提高故障辨识的准确率. |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/149637] |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学机电工程学院 |
推荐引用方式 GB/T 7714 | 赵荣珍,常书源. 基于M-WDLS和PCA的转子故障诊断方法[J]. 兰州理工大学学报,2021,47(2021,47(05)):38-44. |
APA | 赵荣珍,&常书源.(2021).基于M-WDLS和PCA的转子故障诊断方法.兰州理工大学学报,47(2021,47(05)),38-44. |
MLA | 赵荣珍,et al."基于M-WDLS和PCA的转子故障诊断方法".兰州理工大学学报 47.2021,47(05)(2021):38-44. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论