文献类型：期刊文章

作　　者：陈瑞[1]

CHEN Rui(Department of Vehicle Engineering,School of Automotive and Transportation Engineering,Hefei University of Technology,Hefei 230009,China)

机构地区：[1]合肥工业大学汽车与交通工程学院车辆工程系,合肥230009

出　　处：《机械强度》

基　　金：国家重点研发计划新能源汽车专项(SQ2017ZY020013);安徽省科技重大专项(16030901030)资助~~

年　　份：2019

卷　　号：41

期　　号：3

起止页码：527-531

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了有效利用故障特征集中对故障敏感的特征进行故障诊断,对核Fishier判别分析(KFDA)进行改进,提出基于改进KFDA独立特征选择的故障诊断方法。该方法首先从多个角度提取故障振动信号的故障特征,构建原始高维多域混合故障特征集。然后,采用改进的核Fisher特征选择方法为每两类故障状态独立选择敏感特征集。最后,采用"一对一"的方法训练多个二分类相关向量机(RVM),将得到的敏感特征集输入多分类故障诊断模型进行识别。齿轮故障诊断实例表明,所提方法具备较高的诊断准确率。

关 键 词：KFDA 独立特征选择  故障诊断 齿轮

分 类 号：TH165.3]