10.11857/j.issn.1674-5124.2017.10.020
基于多尺度关联维数和流形学习的自动机故障诊断
针对自动机振动信号非平稳、非线性的特点,提出基于多尺度关联维数和线性局部切空间排列(linear local tangent space alignment,LLTSA)相结合的自动机故障诊断方法.首先,利用局部特征尺度分解(local characteristic-scale decomposition,LCD)将自动机振动信号分解为不同尺度下的内禀尺度分量(intrinsic scale component),提取出反映状态信息的主要分量并计算各分量的关联维数.然后,利用线性局部切空间排列算法挖掘出可区分度更高的特征子集.最后,将得到的低维特征输入支持向量机进行识别,自动机故障诊断实验表明,所提方法具备较高的诊断准确率.此外,将LCD与经验模态分解(empirical mode decomposition,EMD)和局部均值分解(local mean decomposition,LMD)方法的诊断结果进行比较,验证所提方法的优势.
故障诊断、多尺度关联维数、流形学习、自动机
43
TP3;X92
河北省自然科学基金资助项目E2016506003
2017-11-27（万方平台首次上网日期，不代表论文的发表时间）
共7页
102-108
