首页|一种基于改进VMD和UMAP的滚动轴承故障特征提取方法

一种基于改进VMD和UMAP的滚动轴承故障特征提取方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对滚动轴承振动信号难以提取低维度敏感特征的问题,提出了一种基于逻辑回归优化变分模态分解(Variational Mode Decomposition,VMD)及均匀流形逼近和投影(Uniform Manifold Ap-proximation and Projection,UMAP)的滚动轴承故障特征提取方法.首先,通过移动窗方法进行原始数据的样本划分,完成训练集以及测试集的构建;其次,随机抽取训练集部分数据进行不同分解模态数下的VMD,并对各层子信号进行特征提取,完成多个特征集的构建;然后,通过逻辑回归分别计算各特征集中各特征与标签的复相关系数,以确定变分模态分解的分解模态数和高度相关特征,并将此应用于训练集和测试集,得到高维特征数据集;最后,采用UMAP降维,获取具有高判别性的低维度特征,完成最终特征集构建.以3种常用智能算法的识别准确率及测试特征集中类内余弦距离和类间余弦距离的比值作为评价指标,结果表明,该方法不仅能实现多种轴承故障特征的有效提取,而且抗噪性良好,对于实际轴承故障诊断时的特征提取具有一定的参考价值.
A Fault Feature Extraction Method of Rolling Bearings Based on Optimized VMD and UMAP

刘俊利、缪炳荣、张盈、李永健、黄仲

展开 >

西南交通大学 牵引动力国家重点实验室,四川 成都 610031

五邑大学 轨道交通学院,广东 江门 529020

故障诊断 滚动轴承 变分模态分解 逻辑回归 均匀流形逼近和投影

国家自然科学基金牵引动力国家重点实验室自主研究课题四川省重点研发项目牵引动力国家重点实验室自主研发项目中央高校基本科研业务费-专题研究项目

517754562019TPL_T032023YFG01972023TPL_T082682022ZT-PY007

2023

10.16578/j.issn.1004.2539.2023.06.019

机械传动
郑州机械研究所 中国机械通用零部件工业会齿轮分会 中国机械工程学会

机械传动

CSTPCD北大核心
影响因子：0.534
ISSN：1004-2539
年,卷(期)：2023.47(6)
  • 2
  • 1