文献类型：期刊文章

作　　者：向丹[1,2] 葛爽[2]

机构地区：[1]广东技术师范学院自动化学院,广州510635 [2]华南理工大学机械与汽车工程学院,广州510640

出　　处：《振动与冲击》

基　　金：广东省教育厅育苗工程(自然科学)(2013LYM-0052);广东省高等学校优秀青年教师培养计划(Yq2013110)

年　　份：2014

卷　　号：33

期　　号：11

起止页码：1-5

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20142817936390)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对机械故障信号的非线性、故障征兆的多样性和复杂性等诊断问题,提出了一种基于小波包样本熵和流形学习的故障特征提取模型。该模型首先利用小波包的分解和重构,计算重构细节信号的样本熵,初步提取滚动轴承故障特征,然后利用流形学习法对初步的样本熵故障特征进行进一步的提取,在保留故障特征的整体几何结构信息的同时降低了特征数据的复杂度,增强了故障模式识别的分类性能。最后通过支持向量机对该模型提取的特征进行分类,通过比较初提取特征和再提取特征分类效果来验证该模型的优越性。

关 键 词：小波包 样本熵  流形学习 特征提取 支持向量机

分 类 号：TH165]