本文關(guān)鍵詞： 小波包分解 局部線性嵌入 支持向量機(jī) 滾動(dòng)軸承 性能退化　出處：《儀器儀表學(xué)報(bào)》2014年03期 　論文類型：期刊論文

【摘要】：對(duì)滾動(dòng)軸承不同性能退化程度進(jìn)行識(shí)別是性能退化評(píng)估的前提。為了提高性能退化程度的識(shí)別準(zhǔn)確率,提出一種基于小波包與局部線性嵌入算法相結(jié)合的滾動(dòng)軸承故障性能退化程度識(shí)別方法。首先計(jì)算單個(gè)樣本振動(dòng)信號(hào)的時(shí)域、頻域指標(biāo),再對(duì)振動(dòng)信號(hào)進(jìn)行小波包分解并重構(gòu),提取節(jié)點(diǎn)信號(hào)的時(shí)域、頻域指標(biāo)和奇異值構(gòu)造特征向量,并將多個(gè)樣本的特征向量排列組合成特征矩陣,然后利用局部線性嵌入算法對(duì)特征矩陣當(dāng)中的特征維數(shù)進(jìn)行約簡(jiǎn)。最后利用支持向量機(jī)對(duì)滾動(dòng)軸承不同性能退化程度進(jìn)行識(shí)別,驗(yàn)證提出方法的可行性和有效性。實(shí)驗(yàn)表明,該方法可以準(zhǔn)確地識(shí)別出滾動(dòng)軸承不同性能退化程度。
[Abstract]:The recognition of different performance degradation degree of rolling bearing is the premise of performance degradation assessment. In order to improve the recognition accuracy of performance degradation degree, A method for identifying the degree of fault degradation of rolling bearing based on wavelet packet and local linear embedding algorithm is proposed. Firstly, the time-domain and frequency-domain indexes of single sample vibration signal are calculated, then the vibration signal is decomposed and reconstructed by wavelet packet. The time domain, frequency domain index and singular value of the node signal are extracted to construct the eigenvector, and the Eigenvectors of several samples are arranged and combined into a feature matrix. Then the local linear embedding algorithm is used to reduce the feature dimension in the feature matrix. Finally, support vector machine is used to identify the different performance degradation degree of the rolling bearing, which verifies the feasibility and effectiveness of the proposed method. This method can accurately identify the different performance degradation degree of rolling bearing.
【作者單位】： 哈爾濱理工大學(xué)電氣與電子工程學(xué)院;哈爾濱工業(yè)大學(xué)電子與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(51305109) 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研資助(20122303120010) 哈爾濱市科技創(chuàng)新人才專項(xiàng)基金(留學(xué)回國(guó)人員)(2013RFLXJ019)資助項(xiàng)目
【分類號(hào)】：TH165.3;TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王國(guó)彪;何正嘉;陳雪峰;賴一楠;;機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J];機(jī)械工程學(xué)報(bào);2013年01期

2 曾慶虎;邱靜;劉冠軍;譚曉棟;;基于KPCA-HSMM設(shè)備退化狀態(tài)識(shí)別與故障預(yù)測(cè)方法研究[J];儀器儀表學(xué)報(bào);2009年07期

3 劉立君;王奇;楊克己;李峰;何其皓;;基于EMD和頻譜校正的故障診斷方法[J];儀器儀表學(xué)報(bào);2011年06期

4 姜海燕;彭濤;;基于小波域?qū)?shù)正態(tài)模型的滾動(dòng)軸承故障診斷[J];中國(guó)機(jī)械工程;2012年04期

5 彭濤;楊慧斌;李健寶;姜海燕;魏巍;;基于核主元分析的滾動(dòng)軸承故障混合域特征提取方法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年11期

6 王新晴;王東;趙洋;朱會(huì)杰;謝全民;;基于模擬加載系統(tǒng)油壓信號(hào)的自動(dòng)測(cè)試與識(shí)別技術(shù)研究[J];振動(dòng)與沖擊;2013年02期

7 陽(yáng)同光;蔣新華;付強(qiáng);;混合蛙跳脊波神經(jīng)網(wǎng)絡(luò)觀測(cè)器電機(jī)故障診斷研究[J];儀器儀表學(xué)報(bào);2013年01期

8 馬再超;趙榮珍;楊文瑛;;轉(zhuǎn)子故障特征數(shù)據(jù)分類的KPCA-BFDA方法[J];振動(dòng).測(cè)試與診斷;2013年02期

9 馬倫;康建設(shè);孟妍;呂雷;;基于Morlet小波變換的滾動(dòng)軸承早期故障特征提取研究[J];儀器儀表學(xué)報(bào);2013年04期

10 張志剛;石曉輝;施全;湯寶平;;基于改進(jìn)EMD和譜峭度法滾動(dòng)軸承故障特征提取[J];振動(dòng).測(cè)試與診斷;2013年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱鳳波;吳文全;楊華;;基于MHMM模擬電路早期故障診斷[J];電光與控制;2012年01期

2 李曉暉;傅攀;;基于一維盲源分離的滾動(dòng)軸承故障診斷[J];電子測(cè)量與儀器學(xué)報(bào);2013年06期

3 陳濤;王立勇;徐小力;;基于模糊動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的點(diǎn)火系統(tǒng)故障診斷[J];北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

4 譚龍;何改云;潘靜;龐彥偉;;基于近似零范數(shù)的稀疏核主成成分算法[J];電子測(cè)量技術(shù);2013年09期

5 王玉靜;康守強(qiáng);張?jiān)?劉學(xué);姜義成;Mikulovich V I;;基于集合經(jīng)驗(yàn)?zāi)B(tài)分解敏感固有模態(tài)函數(shù)選擇算法的滾動(dòng)軸承狀態(tài)識(shí)別方法[J];電子與信息學(xué)報(bào);2014年03期

6 尚永爽;李文海;劉長(zhǎng)捷;盛沛;;部分可觀測(cè)信息條件下裝備剩余壽命預(yù)測(cè)[J];航空學(xué)報(bào);2012年05期

7 王寧;孫樹棟;蔡志強(qiáng);李淑敏;;基于HSMM的兩階段設(shè)備缺陷狀態(tài)識(shí)別方法[J];計(jì)算機(jī)應(yīng)用研究;2011年12期

8 張梅軍;王闖;陳灝;;IMF能量和RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合在滾動(dòng)軸承故障診斷中的應(yīng)用研究[J];機(jī)械;2012年06期

9 王寧;孫樹棟;李淑敏;蔡志強(qiáng);;基于DD-HSMM的設(shè)備運(yùn)行狀態(tài)識(shí)別與故障預(yù)測(cè)方法[J];計(jì)算機(jī)集成制造系統(tǒng);2012年08期

10 高甜容;于東;岳東峰;鄭樎默;;基于故障先兆判定模型和動(dòng)態(tài)置信度匹配的主軸潤(rùn)滑故障預(yù)測(cè)方法[J];機(jī)械工程學(xué)報(bào);2012年17期

相關(guān)博士學(xué)位論文 前8條

1 關(guān)山;基于聲發(fā)射信號(hào)多特征分析與融合的刀具磨損分類與預(yù)測(cè)技術(shù)[D];吉林大學(xué);2011年

2 岳夏;基于HMM的復(fù)雜條件故障診斷技術(shù)研究[D];華南理工大學(xué);2012年

3 郭艷平;面向風(fēng)力發(fā)電機(jī)組齒輪箱滾動(dòng)軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

4 王雷;基于流形學(xué)習(xí)的滾動(dòng)軸承故障診斷若干方法研究[D];大連理工大學(xué);2013年

5 孟麗君;超聲激勵(lì)—光纖光柵傳感檢測(cè)技術(shù)的相關(guān)理論與應(yīng)用研究[D];武漢理工大學(xué);2013年

6 潘巍巍;故障嚴(yán)重程度識(shí)別的有序分類特征分析方法[D];哈爾濱工業(yè)大學(xué);2013年

7 劉穎慧;基于人工免疫系統(tǒng)的異常狀態(tài)監(jiān)測(cè)及故障診斷研究[D];上海大學(xué);2013年

8 潘羅平;基于健康評(píng)估和劣化趨勢(shì)預(yù)測(cè)的水電機(jī)組故障診斷系統(tǒng)研究[D];中國(guó)水利水電科學(xué)研究院;2013年

相關(guān)碩士學(xué)位論文 前10條

1 杜鵬;基于譜聚類和CHSMM的非線性系統(tǒng)的剩余壽命預(yù)測(cè)[D];哈爾濱工業(yè)大學(xué);2011年

2 鐘鑫;基于邏輯回歸和高斯混合模型的設(shè)備故障診斷技術(shù)研究與應(yīng)用[D];北京化工大學(xué);2010年

3 郭永偉;基于支持向量機(jī)與遺傳算法的故障模式識(shí)別及趨勢(shì)預(yù)測(cè)方法研究[D];北京化工大學(xué);2012年

4 黃小強(qiáng);一種智能清紗算法的研究與實(shí)現(xiàn)[D];杭州電子科技大學(xué);2011年

5 郝剛;改進(jìn)的EMD在齒輪箱故障診斷中的研究與驗(yàn)證[D];中北大學(xué);2013年

6 徐海永;基于主元分析和支持向量回歸機(jī)的故障預(yù)測(cè)[D];大連理工大學(xué);2013年

7 曹書峰;基于嚙合振動(dòng)的齒輪傳動(dòng)系統(tǒng)轉(zhuǎn)速估計(jì)及其應(yīng)用研究[D];蘇州大學(xué);2013年

8 楊春友;基于膚色分割和PCA的支持向量新穎檢測(cè)的人臉檢測(cè)研究[D];西南交通大學(xué);2013年

9 張恒;基于數(shù)據(jù)驅(qū)動(dòng)的轉(zhuǎn)子故障特征信息建模方法研究[D];蘭州理工大學(xué);2013年

10 馬世民;基于可信規(guī)則庫(kù)的汽輪發(fā)電機(jī)組故障診斷專家系統(tǒng)[D];蘭州理工大學(xué);2013年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳琨;于雷;;基于對(duì)數(shù)正態(tài)和分布的路徑行程時(shí)間可靠性模型[J];北京交通大學(xué)學(xué)報(bào);2009年03期

2 崔玲麗;丁芳;高立新;張建宇;王穎旺;;齒輪裂紋早期故障的完全解調(diào)分析[J];北京工業(yè)大學(xué)學(xué)報(bào);2006年08期

3 孫艷豐;王俊;尹寶才;;基于組合特征判別分析的三維人臉識(shí)別算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年01期

4 王強(qiáng);袁慎芳;田峰;江兵;;基于圓形壓電陣列的主動(dòng)Lamb波損傷成像監(jiān)測(cè)研究[J];傳感器與微系統(tǒng);2011年10期

5 安學(xué)利;周建中;劉力;李清清;李超順;;基于熵權(quán)理論和信息融合技術(shù)的水電機(jī)組振動(dòng)故障診斷[J];電力系統(tǒng)自動(dòng)化;2008年20期

6 錢華明;王雯升;;遺傳小波神經(jīng)網(wǎng)絡(luò)及在電機(jī)故障診斷中的應(yīng)用[J];電子測(cè)量與儀器學(xué)報(bào);2009年03期

7 何靜;邱靜;張昌凡;;一種不確定非線性系統(tǒng)的滑模變結(jié)構(gòu)觀測(cè)器的研究[J];電子測(cè)量與儀器學(xué)報(bào);2009年04期

8 黃姣英;袁海文;崔勇;畢晨曦;;基于EMD和自相關(guān)分析的輪胎音頻信號(hào)處理[J];電子測(cè)量與儀器學(xué)報(bào);2009年09期

9 鄭婧;王婧，

本文編號(hào)：1529767