目前对故障信号的刻画方法多以向量模型为主,信号的表现形式单一,存在着小样本和维数灾难等问题.另外,多数特征提取算法在处理新样本时,通常需要同时利用新、旧样本构建新数据空间,并进行重新计算,算法处理新样本的效率较低.为此,提出了一种新的基于张量模型的故障诊断方法,采用小波变换和相空间重构建立轴承故障信号的张量模型,通过高阶奇异值分解获得轴承振动信号的初始特征.在此基础上提出了张量模型初始特征最优分类点的区分度函数,实现了轴承故障的快速诊断.分别利用轴承试验平台和凯斯西储大学轴承数据集进行实验,实验结果证明了所提算法能够提取显著的特征,并具有诊断速度快和识别精度高等优点,适合于实际工程应用.
NETL
NSTL
万方数据
维普
