王广斌　杜晓阳　罗　军,2

1.湖南科技大学机械设备健康维护湖南省重点实验室, 湘潭，4112012.中交第二航务工程局有限公司深圳分公司，深圳，518067



面向转子故障特征提取的多尺度拉普拉斯特征映射方法

王广斌1杜晓阳1罗军1,2

1.湖南科技大学机械设备健康维护湖南省重点实验室, 湘潭，4112012.中交第二航务工程局有限公司深圳分公司，深圳，518067

融合多尺度分解理论和流形学习思想，提出了一种面向转子故障特征提取的多尺度拉普拉斯特征映射算法。首先对转子故障振动信号进行多尺度小波包分解，提取各独立频带信号的最优尺度小波熵，构建特征参量矩阵并估计其固有维数，然后通过拉普拉斯特征映射将特征参量数据嵌入到低维本征空间，得到故障的最敏感特征，最后融合决策实现故障的准确识别。实验表明，相对于主成分分析算法、局部线性嵌入算法和拉普拉斯特征映射算法，多尺度拉普拉斯特征映射方法提取的转子故障信号特征更容易识别。

转子系统；拉普拉斯特征映射；多尺度；特征提取

0　引言

现代旋转机械中转子系统易于发生的故障有：转子不对中、不平衡，转子裂纹，基座松动和碰摩等。上述这些故障很多都是非线性、非平稳信号，提取这类故障信号的敏感特征一直都是研究的热点和难点。传统分析方法(如频域分析、时域分析、包络分析、倒频谱分析、时间序列分析等[1-3])对非线性和非平稳故障信号潜在信息的挖掘和敏感特征的提取表现乏力。……