集成KPCA与t-SNE的滚动轴承故障特征提取方法 | |
王望望; 邓林峰; 赵荣珍; 吴耀春 | |
2021-04-15 | |
发表期刊 | 振动工程学报 |
ISSN | 1004-4523 |
卷号 | 34期号:02页码:431-440 |
摘要 | 针对滚动轴承原始数据集包含高维非敏感特征的问题,提出一种集成核主成分分析(Kernel Principal Compo-nent Analysis,KPCA)与t-分布随机邻域嵌入(t-distributed Stochastic Neighbor Embedding,t-SNE)的滚动轴承故障低维敏感特征提取方法。该方法先计算滚动轴承原始振动信号的时域、频域以及时频域特征,构建初始高维特征数据集。利用KPCA降低高维数据集的相关性,在最大化高维数据全局特征方差的目标下,提取出非线性特征子集。通过t-SNE充分挖掘故障特征数据集的局部结构信息,进一步获取具有高判别性的低维敏感特征子集。将低维特征子集输入到k-近邻分类器(k-nearest Neighbor Classifier,KNNC)进行分类,以分类准确率和聚类结果作为度量指标,对特征提取结果的优劣予以评价。上述过程综合考虑了数据集的全局和局部结构特征,充分利用了数据自身的结构信息,从而可准确提取其低维敏感特征。将该方法用于滚动轴承故障诊断实验中,通过与其他典型特征提取方法进行对比,及其对含噪情况下轴承故障特征的准确提取,验证了方法的有效性。 |
关键词 | 故障诊断 滚动轴承 故障特征提取 核主成分分析 t-分布随机邻域嵌入 k-近邻分类器 |
DOI | 10.16385/j.cnki.issn.1004-4523.2021.02.024 |
URL | 查看原文 |
收录类别 | CSCD ; 北大核心 ; SCOPUS ; EI |
语种 | 中文 |
资助项目 | 国家自然科学基金资助项目(51675253);中国博士后科学基金资助项目(2016M592857);甘肃省自然科学基金资助项目(1610RJZA004);兰州理工大学红柳一流学科建设项目 |
中图分类号 | TH133.33 |
引用统计 | 无
|
文献类型 | 期刊论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/148155 |
专题 | 机电工程学院 |
作者单位 | 兰州理工大学机电工程学院 |
第一作者单位 | 机电工程学院 |
第一作者的第一单位 | 机电工程学院 |
推荐引用方式 GB/T 7714 | 王望望,邓林峰,赵荣珍,等. 集成KPCA与t-SNE的滚动轴承故障特征提取方法[J]. 振动工程学报,2021,34(02):431-440. |
APA | 王望望,邓林峰,赵荣珍,&吴耀春.(2021).集成KPCA与t-SNE的滚动轴承故障特征提取方法.振动工程学报,34(02),431-440. |
MLA | 王望望,et al."集成KPCA与t-SNE的滚动轴承故障特征提取方法".振动工程学报 34.02(2021):431-440. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
集成KPCA与t-SNE的滚动轴承故障特(3264KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[王望望]的文章 |
[邓林峰]的文章 |
[赵荣珍]的文章 |
百度学术 |
百度学术中相似的文章 |
[王望望]的文章 |
[邓林峰]的文章 |
[赵荣珍]的文章 |
必应学术 |
必应学术中相似的文章 |
[王望望]的文章 |
[邓林峰]的文章 |
[赵荣珍]的文章 |
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