针对机械振动信号呈现的非平稳特征,将时频分析技术与流形学习方法相结合,提出一种新的特征提取方法.S变换作为一种较新的时频分析方法具有频率分辨率高、抗噪声强、无交叉干扰项等优点.局部线性嵌入(Locally linear Embedding,LLE)是...
详细信息
针对机械振动信号呈现的非平稳特征,将时频分析技术与流形学习方法相结合,提出一种新的特征提取方法.S变换作为一种较新的时频分析方法具有频率分辨率高、抗噪声强、无交叉干扰项等优点.局部线性嵌入(Locally linear Embedding,LLE)是一种流形学习方法,具有保持数据降维前后其流形不变的性质.本方法首先利用S变换将一维振动信号分解到不同频率尺度上,再对其求模获得S变换模时频矩阵,最后使用LLE对该矩阵进行降维,以获取反映该信号特点的敏感判别信息,便于设备运行状态的识别分类.本方法具有计算速度快,降维分类准确率高且不需要较多采样点等优点.将其应用于滚动轴承故障诊断试验,结果表明:S变换模矩阵能够清晰的反映出故障设备信号的特征,降维后的特征数据集具有较好的聚类与类间可分性.
暂无评论