基于LCD模糊熵和流行学习的故障特征提取方法
张良1
张前图2
1.黄河科技学院信息工程学院,郑州,4500632.驻356厂军代室,昆明,650114
摘要：针对液压泵振动信号非线性、非平稳性以及故障特征难以提取的问题,提出了基于局部特征尺度分解(local characteristic-scale decomposition,LCD)、模糊熵和流行学习的液压泵故障特征提取方法.该方法将LCD、模糊熵和流行学习相结合.首先,利用LCD将振动信号分解成不同尺度下的内禀尺度分量(intrinsic scale component,ISC)并计算各分量的模糊熵,初步提取液压泵高维故障特征.其次,采用流行学习算法中较为典型的线性局部切空间排列(liner local tangent space alignment,LLTSA)对故障特征进行二次特征提取,得到维数低、敏感度高且聚类性好的低维特征.最后,采用支持向量机(support vector machine,SVM)对提取特征进行评估.液压泵的故障诊断实验表明,所提方法能够以较高的精度识别液压泵的各典型故障,具有一定的优势.
关键词：局部特征尺度分解模糊熵流行学习特征提取液压泵
分类号：TH165.3(机械制造工艺)
论文发表日期：2016-01-01
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）
英文信息