典型文献
基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断
文献摘要：
针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法.利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IMF分量进行特征提取,构建各个特征的数据集矩阵;利用tSNE将各特征数据集矩阵降维至二维,计算平均轮廓系数(ASC);根据ASC大于临界值提取出声振故障信号的敏感特征;基于诊断模型实现轴承故障的初级诊断;利用DSmT将声振信号初级诊断结果进行融合决策,得出最终的诊断结论.实验结果表明:基于tSNE-ASC的特征选择方法能有效提取混合域特征中的敏感特征,在不同工况、不同诊断模型中均具有很高的诊断精度;DSmT决策融合有效降低了单一信号诊断的不确定性,在变载荷和升降速非平稳工况下均有很高的诊断精度.
文献关键词：
声振信号;轴承故障诊断;变分模态分解;t分布随机邻近嵌入;平均轮廓系数;DSmT融合决策
中图分类号：
作者姓名：
陈剑;程明
作者机构：
合肥工业大学噪声振动研究所 合肥 230009;安徽省汽车NVH技术研究中心 合肥 230009
文献出处：
引用格式：
[1]陈剑;程明-.基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断)[J].电子测量与仪器学报,2022(04):195-204
A类：
B类：
tSNE,ASC,特征选择,DSmT,融合决策,滚动轴承,声振信号,早期故障,故障特征,微弱,故障诊断方法,故障模式,VMD,IMF,特征数据集,矩阵降维,平均轮廓系数,出声,故障信号,敏感特征,诊断模型,模型实现,诊断结果,选择方法,有效提取,混合域,不同工况,决策融合,变载荷,升降,降速,非平稳工况,轴承故障诊断,变分模态分解
AB值：
0.308144
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。
