摘要
针对变工况下滚动轴承不易获取带标签的振动信号,导致故障诊断准确率低等问题,提出一种基于自适应噪声完整经验模态分解(CEEMDAN)与流形嵌入分布对齐的滚动轴承迁移故障诊断方法.采用CEEMDAN对不同工况下滚动轴承振动信号进行分解,得到若干内禀模态分量(IMF);提取峭度较大的IMF分量的时域和频域特征构造多特征样本集,将所提特征嵌入流形空间进行流形特征变换,同时,对变换后的流形特征动态分布对齐;利用源域数据和目标域数据训练分类模型,以获得未知标签的滚动轴承故障诊断结果.实验表明,所提方法能够最小化域间特征分布差异,有效提高滚动轴承状态识别的准确率.
基金项目
国家重点研发计划(2017YFC0805100)
国家自然科学基金(51975004)
安徽省自然科学基金(2008085QE215)
安徽省高校自然科学研究重点项目(KJ2019A0053)
安徽省高校自然科学研究重点项目(KJ2019A092)
安徽省矿山智能装备与技术重点实验室开放课题基金(201902005)
NETL
NSTL
维普
万方数据