论文摘要
针对传统滚动轴承故障特征提取及识别高度依赖先验知识及专家经验,导致其故障诊断的人工成本高及分类精度不够高的问题,提出一种层叠P阶多项式主成分分析方法实现滚动轴承故障的精确诊断。提出一种可适用于处理线性不可分数据的P阶多项式主成分分析法从滚动轴承的振动信号中自动学习去相关的低维特征;构建了层叠P阶多项式主成分分析网络,从去相关的低维特征中进一步增强学习更具可分辨性的特征,并通过反向优化过程,确保学习的特征不失真;采用K最近邻分类器对学习到的特征矢量进行分类,实现故障模式的辨识。通过滚动轴承故障数据库上的诊断试验验证了该方法的可靠性和有效性。
论文目录
文章来源
类型: 期刊论文
作者: 牟亮,王凯,李彦,於辉
关键词: 层叠学习,层叠阶多项式主成分分析,滚动轴承,故障诊断
来源: 振动与冲击 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 四川大学制造科学与工程学院
基金: 国家自然科学基金(51435011),国家自然科学基金青年科学基金(51505309),四川省应用基础研究计划(2015JY0172)
分类号: TH133.33
DOI: 10.13465/j.cnki.jvs.2019.02.005
页码: 25-32
总页数: 8
文件大小: 494K
下载量: 121
相关论文文献
标签：层叠学习论文; 层叠阶多项式主成分分析论文; 滚动轴承论文; 故障诊断论文;