基于时频联合特征提取与MS-LTSA流形学习的齿轮箱故障诊断

肖凌俊; 吕勇; 袁锐

doi:10.16578/j.issn.1004.2539.2022.03.022

您当前的位置：

首页 >

文章列表页 >

基于时频联合特征提取与MS-LTSA流形学习的齿轮箱故障诊断

开发应用 | 更新时间：2022-09-24

- 基于时频联合特征提取与MS-LTSA流形学习的齿轮箱故障诊断
- Gearbox Fault Diagnosis based on Time-frequency Combination Feature Extraction and Manifold Learning of MS-LTSA
- 机械传动 2022年46卷第3期页码：140-148
- 作者机构：
  
  1.武汉科技大学冶金装备及其控制教育部重点实验室，湖北武汉 430081
  2.武汉科技大学机械传动与制造工程湖北省重点实验室，湖北武汉 430081
- 作者简介：
  
  肖凌俊（1980— ），男，湖北武汉人，博士研究生，讲师；研究方向为信号分析与处理、机电设备状态监控与故障诊断等。
  吕勇（1976— ），男，湖北鄂州人，教授，博士生导师；研究方向为机电系统建模及仿真远程监测与诊断软件系统开发非线性信号处理等。
- 基金信息：
  
  国家科学自然基金(51475339;51405353)
- DOI：10.16578/j.issn.1004.2539.2022.03.022
  中图分类号：
扫描看全文
肖凌俊,吕勇,袁锐.基于时频联合特征提取与MS-LTSA流形学习的齿轮箱故障诊断[J].机械传动,2022,46(03):140-148.

Xiao Lingjun,Yong Lü,Yuan Rui.Gearbox Fault Diagnosis based on Time-frequency Combination Feature Extraction and Manifold Learning of MS-LTSA[J].Journal of Mechanical Transmission,2022,46(03):140-148.
肖凌俊,吕勇,袁锐.基于时频联合特征提取与MS-LTSA流形学习的齿轮箱故障诊断[J].机械传动,2022,46(03):140-148. DOI： 10.16578/j.issn.1004.2539.2022.03.022.

Xiao Lingjun,Yong Lü,Yuan Rui.Gearbox Fault Diagnosis based on Time-frequency Combination Feature Extraction and Manifold Learning of MS-LTSA[J].Journal of Mechanical Transmission,2022,46(03):140-148. DOI： 10.16578/j.issn.1004.2539.2022.03.022.

摘要

提出了基于时频联合（TFC）特征提取和改进的监督局部切空间排列（MS-LTSA）的流形学习的齿轮箱故障诊断的方法。首先，提出了信号的时域、频域和HHT时频域三者结合的特征提取方法，以获取振动信号全面的特征向量信息；然后，提取高维特征向量的奇异值，利用流形学习理论对奇异值矩阵进行降噪；最后，通过降噪后的特征向量实现对齿轮箱各种故障的高效、精确地故障识别。提出的MS-LTSA方法实现了数据集内部结构信息和类判别信息的结合，提高了所提取低维特征的聚类效果；通过实验数据的分析，证实了所提方法在齿轮箱诊断上的优异表现和应用价值。

Abstract

A fault diagnosis method of gearbox based on time frequency union （TFC） feature extraction and manifold learning of improved supervised local tangent space arrangement （MS-LTSA） is presented. Firstly，a feature extraction method combining time domain，frequency domain and HHT time-frequency domain is proposed to obtain the comprehensive feature vector information of vibration signals. Then，the singular values of high-dimensional feature vectors are extracted and the singular value matrix is denoised by manifold learning theory. Finally，an efficient and accurate fault identification of the gearbox is realized by the feature vector after noise reduction. The proposed MS-LTSA method realizes the combination of the internal structure information and the class discrimination information of the data set，and improves the clustering effect of the extracted low dimensional features. Through analysis of experimental data，the excellent performance and application value of the proposed method in gearbox diagnosis are verified.

关键词

齿轮箱特征提取流形学习故障诊断

Keywords

GearboxFeature extractionManifold learningFault diagnosis

references

LIU R，YANG B，ZIO E，et al.Artificial intelligence for fault diagnosis of rotating machinery：a review［J］.Mechanical Systems & Signal Processing，2018，108：33-47.

LI C N，YU G，FU B，et al.Fault separation and detection for compound bearing-gear fault condition based on decomposition of marginal hilbert spectrum［J］.IEEE Access，2019，99：110518-110530.

ZHAN Y B，YIN J P，LIU X W.A kernel PCA view of the local tangent space alignment algorithm［J］.Computer Engineering & Science，2010，32（6）：158-161.

BORG I，GROENEN P J F.Modern multidimensional scaling：theory and applications［J］.Journal of Educational Measurement，2003，40（3）：277-280.

MOAYEDI H，ARMAGHANI D J.Optimizing an ANN model with ICA for estimating bearing capacity of driven pile in cohesionless soil［J］.Engineering with Computers，2018，34（2）：347-356.

NING J，CUI W L，CHONG C J，et al.Feature recognition of small amplitude hunting signals based on the MPE-LTSA in high-speed trains［J］.Measurement，2018，131：71-94.

DING X，LI Q，LIN L，et al.Fast time-frequency manifold learning and its reconstruction for transient feature extraction in rotating machinery fault diagnosis［J］.Measurement，2019，141：380-395.

刘弹，李晓婉，梁霖，等.采用时间序列突变点检测的滚动轴承性能退化评价方法［J］.西安交通大学学报，2019，53（12）：10-16.

LIU Tan，LI Xiaowan，LIANG Lin，et al.Performance degradation evaluation method of rolling bearing based on time series mutation point detection［J］.Journal of Xi'an Jiaotong University，2019，53（12）：10-16.

SHE B，TIAN F Q，TANG J，et al.Fault diagnosis of rolling bearing based on adaptive LTSA algorithm［J］.Journal of Huazhong University of Science and Technology，2017（45）：91-96.

CUI P，ZHANG X T.Generalized improvement of LTSA algorithm based on manifold learning［J］.Computer Engineering and Apolications，2017，53（3）：201-204.

TAN C，JI G L，LIU R C，et al.LTSA-LE：a local tangent space alignment label enhancement algorithm［J］.Tsinghua Science and Technology，2021，26（2）：135-145.

张赟，林学森，王琳，等.采用监督局部切空间排列算法的航空发动机磨损故障诊断［J］.西安交通大学学报，2020，54（4）：179-185.

ZHANG Yun，LIN Xuesen，WANG Lin，et al.Wear fault diagnosis of aeroengine using supervised local tangent space permutation algorithm［J］.Journal of Xi'an Jiaotong University，2020，54（4）：179-185.

ZHANG Z Y，ZHA H Y.Principal manifolds and nonlinear dimensionality reduction via tangent space alignment［J］.Journal of Shanghai University，2004（4）：406-424.

JIANG Q S，JIA M P，HU J Z，et al.Machinery fault diagnosis using supervised manifold learning［J］.Mechanical Systems and Signal Processing，2009，23（7）：2301-2311.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于时间子序列的轴承特征提取方法

基于LMD云模型与PSO-KELM的齿轮箱故障诊断

基于LMD能量熵的齿轮箱故障诊断研究

基于GAF-inceptionResNet的齿轮箱故障诊断

基于ISGMD和MED的齿轮箱早期故障特征提取