科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】滚动轴承作为机械设备的核心部件，轴承在长时间运转下会出现磨损、变形等损坏。针对现有方法判别轴承处于何种故障困难的问题，提出了一种基于曼哈顿局部-全局鉴别空间学习的故障诊断方法。【方法】该方法具有更丰富的潜在流形结构，并使用曼哈顿距离重构原始空间图结构。通过构造局部类内和类间图发掘潜在鉴别信息和局部信息。并在原始全局结构的基础上增加全局类内和类间图，提高了类间分离性和类内聚合性。首先，将原始故障信号进行特征提取得到特征测试集和特征训练集。然后，将特征训练集输入曼哈顿局部-全局鉴别空间学习模型中，提取原始空间中局部信息、全局结构和类别信息。接着通过求解该模型可以得到空间投影的解析解。最后，将得到的空间投影解析解与特征测试集输入支持向量机中进行故障分类。【结果】实验结果表明，提出的方法在搭建的轴承故障平台上表现出良好的性能，最终的故障识别率为94.23%。【结论】文中提出的方法在轴承故障诊断方面表现出较高的识别率，为轴承故障诊断带来了重要的进展，具有深远的意义。
- 出版日期2023
- 单位安徽理工大学
