基于改进APSMOTE-WKMFA的空间轴承故障分类方法
陈超
杨晨皓
许皓森
万鸥影
韩丽玲
江苏大学 机械工程学院,镇江 212013
摘要：[目的]针对空间轴承时域特征分类准确率低的问题,结合时域指标和小波包分解算法获取空间轴承的时频分布特征;采用极大重叠离散小波包变换(Maximal Overlap Discrete Wavelet Pack-et Transform,MODWPT)获取时间序列在不同频带上的均方根值并作为故障特征,解决了传统时域特征难以有效区分空间轴承运行状态的问题;针对类别不平衡情况下模型对少数类故障样本分类性能不佳的问题,提出基于改进近邻传播聚类合成少数类过采样技术-小波函数的核边界Fisher分析(Affinity Propagation Synthetic Minority Oversampling Technique-Wavelet Kernel Marginal Fisher Analy-sis,APSMOTE-WKMFA)的空间轴承故障分类方法.[方法]首先,使用测地线距离作为近邻传播聚类算法的相似性度量,在筛选后的子簇中使用合成少数类过采样技术(Synthetic Minority Oversam-pling Technique,SMOTE)生成样本至类别平衡;然后,使用基于小波函数的核边界Fisher分析进行投影映射;最后,使用k近邻分类算法对变换后的低维特征训练分类模型,并使用哈尔滨工业大学航空发动机的空间轴承数据集进行了试验验证.[结果]相较于欧氏距离,测地线距离能更加准确地反映空间轴承数据间的相似度,且经过投影映射后的数据类内聚合度和类间分离度得到增强,提高了故障的可分性.试验结果表明,在同等条件下,改进APSMOTE-WKMFA的分类准确率相较于类别不平衡数据、k-means SMOTE、APSMOTE、改进APSMOTE和改进APSMOTE-LPP平均提升10.2百分点,实现了对类别不平衡及变转速工况下空间轴承故障的有效诊断.
关键词：空间轴承时频分布特征类别不平衡过采样边界Fisher分析
分类号：TH133.3(机械零件及传动装置)
资助基金：江苏省自然科学基金青年项目(BK20210772)
论文发表日期：2025-12-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：11( 161-171 )
英文信息