《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：赵群
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于FFT和LLTSA的传动系统故障诊断研究

作者：陈晓,刘秋菊,王仲英日期：2022-06-16/span> 浏览：728 查看PDF文档

基于FFT和LLTSA的传动系统故障诊断研究*

陈晓1,刘秋菊2*,王仲英3

(1.郑州工程技术学院机电与车辆学院,河南郑州 450000;2郑州工程技术学院信息工程学院,

河南郑州 450000;3河南经贸职业学院工程经济学院,河南郑州 450018)

摘要:在传统的故障诊断方法中,往往先要基于先验知识求取原始振动信号的特征,并将其输入到智能分类器中进行模式识别,其中容易出现信息丢失,且依靠人为经验进行判断不够准确,针对这一问题,提出了基于快速傅里叶变换(FFT)与流行学习联合的智能故障诊断模型。首先,采用FFT变换将原始数据从时域转换到频域,获得了高维特征数据;然后,使用3种流形学习算法,即多维尺度变换(MDS)、核主成分分析(KPCA)、线性局部切空间排列(LLTSA)，获得了低维表征信息;最后,基于故障诊断试验平台系统,对轴承及齿轮工作数据信息进行了获取与处理,将其数据样本输入到智能分类器中,进行了训练和测试。研究结果表明:FFT降维变换可以有效地减少人为选择因素引起的样本衰减现象,同时最近邻域估计算法可以提高智能分类器的测试准确率,使得基于FFT与流行学习的联合智能分类模型对状态数据识别率在80%以上,其中FFT+LLTSA联合智能分类模型的识别率最高可达到87%以上;该结果可验证该分类模型在机械传动系统故障检测中具有的有效性。

关键词:机械传动系统;快速傅里叶变换;流形学习;线性局部切空间排列;智能分类

本文引用格式:

陈晓,刘秋菊,王仲英.基于FFT和LLTSA的传动系统故障诊断研究［J］.机电工程,2022,39(4):513-518.

CHEN Xiao, LIU Qiu-ju, WANG Zhong-ying. Fault diagnosis of transmission system based on FFT and LLTSA［J］.Journal of Mechanical & Electrical Engineering, 2022,39(4):513-518.