典型文献
基于Kernel‑MCCA特征融合的齿轮故障诊断方法
文献摘要：
针对转速波动工况下齿轮故障难以辨识的问题,提出了一种基于核函数的多重集典型相关分析方法(kernel-multiset canonical correlation analysis,简称Kernel-MCCA),实现基于多传感信息的特征层融合,并将其应用到转速波动工况下的齿轮断齿、点蚀、磨损以及剥落故障的辨识.首先,将多传感器采集的振动信号进行小波包分解,计算能量特征矩阵;其次,利用多重集典型相关分析进行特征层融合,构建的融合特征输入到K近邻(K-nearest neighbor,简称KNN)分类器中并输出诊断结果;最后,利用齿轮振动实验台进行实验研究.结果表明,笔者所提的特征融合方法比单传感器方法识别准确率提高了5％左右,比传统的多重典型相关分析特征融合方法识别准确率提高了2％左右,可有效解决转速波动下齿轮故障状态辨识问题.
文献关键词：
特征融合;齿轮故障;多重集典型相关分析;核函数
中图分类号：
作者姓名：
苏宇;温广瑞;徐斌;张志芬;石文杰
作者机构：
西安交通大学机械工程学院 西安,710049
文献出处：
引用格式：
[1]苏宇;温广瑞;徐斌;张志芬;石文杰-.基于Kernel‑MCCA特征融合的齿轮故障诊断方法)[J].振动、测试与诊断,2022(03):511-517
A类：
多重集典型相关分析,multiset
B类：
Kernel,MCCA,特征融合,齿轮故障诊断,故障诊断方法,转速波动,波动工况,核函数,kernel,canonical,correlation,analysis,特征层融合,断齿,点蚀,剥落,多传感器,振动信号,小波包分解,能量特征,特征矩阵,融合特征,近邻,nearest,neighbor,KNN,分类器,出诊,诊断结果,振动实验,实验台,融合方法,单传,方法识别,识别准确率,重典,故障状态,状态辨识
AB值：
0.360353
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
