典型文献
基于EEMD与LLE的旋转机械设备特征融合算法
文献摘要：
对旋转机械运行性能进行有效的监测和评估可以避免突发事故,最大程度地降低损失,是进行准确的故障诊断与寿命预测的关键.本文首先基于旋转设备的运行数据进行多域退化特征提取,提取了包括峰峰值、峭度因子在内的五个时域特征和包括中心频率、频率方差在内的四个频域特征;随后基于经验集合模态分析EEMD算法对螺旋桨的时频域特征进行提取,计算提取的各个时频域特征与原信号的相关程度,选取相关系数较高的四个特征向量,与前面提取的时域与频域特征构建多域特征集.考虑到仅依靠单个的时域或频域特征难以完全描述其性能的退化特征和趋势.本文提出了一种基于局部线性嵌入LLE的特征融合方法,对包含基于EEMD算法所提取的时频域特征在内的多域特征集合进行降维融合,并结合切比雪夫不等式对设备的不同运行状态进行识别,实现性能退化检测,并通过实验轴承数据验证了本文方法的准确性.
文献关键词：
特征融合;LLE;性能退化;切比雪夫不等式
中图分类号：
作者姓名：
董志远;刘淑杰;张洪潮
作者机构：
大连理工大学机械工程学院,辽宁大连116024;德克萨斯理工大学工业工程系,美国德克萨斯卢伯克79409
文献出处：
引用格式：
[1]董志远;刘淑杰;张洪潮-.基于EEMD与LLE的旋转机械设备特征融合算法)[J].现代机械,2022(06):19-25
A类：
B类：
EEMD,LLE,旋转机械,机械设备,特征融合,融合算法,运行性能,突发事故,降低损失,寿命预测,旋转设备,运行数据,退化特征提取,峰峰,峭度,时域特征,中心频率,基于经验,模态分析,螺旋桨,时频域特征,特征向量,特征构建,多域特征,局部线性嵌入,融合方法,特征集合,切比雪夫不等式,性能退化,轴承数据,数据验证
AB值：
0.305359
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。
