APP下载

基于图像形状特征和LLTSA的故障诊断方法

2016-06-23张前图房立清

振动与冲击 2016年9期
关键词:故障诊断

张前图, 房立清

(1.驻356厂军代室,昆明 650114; 2.军械工程学院 火炮工程系,石家庄 050003)

基于图像形状特征和LLTSA的故障诊断方法

张前图1,2, 房立清2

(1.驻356厂军代室,昆明650114; 2.军械工程学院 火炮工程系,石家庄050003)

摘要:针对滚动轴承故障诊断问题,提出了一种基于图像形状特征和线性局部切空间排列(LLTSA)的故障诊断方法。首先采用SDP(Symmetrized Dot Pattern)方法对时域信号进行变换,得到极坐标空间下的雪花图像,在分析图像特点的基础上,从图像处理的角度初步提取出图像的形状特征;然后利用LLTSA对初步提取的特征进行维数约简以提取低维特征;最后采用支持向量机(SVM)对低维特征进行分类评估。滚动轴承的故障诊断实验表明图像形状特征能够表征轴承的状态,经LLTSA约简后特征数据的复杂度得到降低,且具有更好的聚类效果,而SVM对轴承4种状态的识别率也达到了100%,验证了该方法的有效性。

关键词:SDP;形状特征;线性局部切空间排列;支持向量机;故障诊断

滚动轴承是机械设备中最常见、最容易损坏的部件之一,其正常与否决定着机械设备状态的好坏。振动信号作为滚动轴承故障信息的载体,包含着轴承运行状态的重要信息,对其进行分析处理是实现轴承故障诊断的常用方法。目前对振动信号进行分析主要从时域、频域以及时频域等方面入手,采用不同的信号处理方法,提取能够表征轴承运行状态的特征,取得了不错的效果[1-3]。近年来,也有不少学者[4-5]采用相应的方法将振动信号可视化,进而以图像处理的方式,提取出能够表征其运行状态的特征并加以分类识别。……

登录APP查看全文

猜你喜欢

故障诊断
基于包络解调原理的低转速滚动轴承故障诊断
ILWT-EEMD数据处理的ELM滚动轴承故障诊断
冻干机常见故障诊断与维修
基于EWT-SVDP的旋转机械故障诊断
数控机床电气系统的故障诊断与维修
基于改进的G-SVS LMS 与冗余提升小波的滚动轴承故障诊断
改进的奇异值分解在轴承故障诊断中的应用
基于LCD和排列熵的滚动轴承故障诊断
基于KPCA和PSOSVM的异步电机故障诊断
基于WPD-HHT的滚动轴承故障诊断