毛 敏 郑小青 梅鹏飞

(衢州职业技术学院 信息工程学院,浙江 衢州324000)

1 概述

随着现代工业与技术的快速发展,旋转机械的工作过程越来越趋向于高速化、自动化及智能化。滚动轴承是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦,从而减少摩擦损失的一种精密的关键机械部件之一,其健康状况直接影响着整个旋转机械的工作性能、稳定性及寿命周期。由于滚动轴承的运转环境一般都是密闭且是复杂多变的,在应用过程中常伴随着老化、损坏等问题,产生的各种类型故障将会造成较大的安全事故和巨大的经济损失。利用精确、高效的故障诊断技术不仅可以降低维修成本,而且可以提高运行设备的可靠性和稳定性。因此,对滚动轴承故障进行准确而及时的诊断尤为重要。

混合域故障特征选择方面。近年来诸多学者通过时域、频域或时频域等单一特征来表征故障信息,并通过智能方法来诊断故障[1]。Zhao C,Feng Z等提出一种基于时域和时频域结合的特征提取方法来诊断故障。为全面提取时域、频域及时频域特征,Yan X,Jia M提出一种基于混合域特征构建方法。然而,混合域特征集维数高且计算复杂,此外冗余特征往往降低诊断可靠性。针对混合域特征的缺陷,Sun C,Wang P,Yan R等通过局部嵌入算法(Locally Linear Embedding,LLE)寻找高维特征所隐藏的低维流形结构,使降维后的特征保持原有的拓扑结构。但是,数据的整体分布在降维后的低维空间会有变形。Yunguang Y,Zhang Y,Wang Q等用线性局部切空间排列(Linear Local Tangent Space Alignment,LLTSA)实现维数约简,但它无法将类别信息融入维数约简过程来提高低维特征的可辨识性。……