基于循环自相关和多域核极限学习机的滚动轴承故障识别方法
王小卉1
王广斌1
向家伟2
黄贞1
隋广洲1
1.岭南师范学院机电工程学院,湛江5240482.温州大学机电工程学院,温州325035
摘要：根据轴承信号特点将二阶循环解调信息引入到机器学习中,提出一种基于循环自相关(CAF)频域特征和时域特征(TD)相结合的多域核极限学习机(MKELM)以精确识别轴承状态.该算法针对轴承信号的二阶循环特性构建CAF函数提取样本的循环频域特征,并与样本时域特征量结合;在此同时设计多域特征向量的匹配因子融合TD与CAF特征向量;最后将融合后的CAF-TD样本特征输入到核极限学习机中进行聚类回归.主轴轴承实验结果表明:基于CAF提取的循环频域统计量能够敏感的反映信号特征,与经典分类器比较,CAF-TD多域核极限学习机可以抽取有限样本更多特征信息,获得更准确的诊断结果.
关键词：轴承循环自相关核极限学习机故障识别
分类号：TH133.3(机械零件及传动装置)TP212(自动化技术及设备)
资助基金：国家自然科学基金(5157518)国家自然科学基金(61705095)湛江非资助科技公关计划项目(2017B01092)
论文发表日期：2020-12-15
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：8( 1302-1309 )
英文信息