本文關(guān)鍵詞：基于圖像形狀特征和LLTSA的故障診斷方法，由筆耕文化傳播整理發(fā)布。

【摘要】：針對滾動軸承故障診斷問題,提出了一種基于圖像形狀特征和線性局部切空間排列(LLTSA)的故障診斷方法。首先采用SDP(Symmetrized Dot Pattern)方法對時域信號進行變換,得到極坐標空間下的雪花圖像,在分析圖像特點的基礎(chǔ)上,從圖像處理的角度初步提取出圖像的形狀特征;然后利用LLTSA對初步提取的特征進行維數(shù)約簡以提取低維特征;最后采用支持向量機(SVM)對低維特征進行分類評估。滾動軸承的故障診斷實驗表明圖像形狀特征能夠表征軸承的狀態(tài),經(jīng)LLTSA約簡后特征數(shù)據(jù)的復(fù)雜度得到降低,且具有更好的聚類效果,而SVM對軸承4種狀態(tài)的識別率也達到了100%,驗證了該方法的有效性。
【作者單位】： 駐356廠軍代室;軍械工程學(xué)院火炮工程系;
【關(guān)鍵詞】： SDP 形狀特征 線性局部切空間排列 支持向量機 故障診斷
【基金】：軍內(nèi)科研項目
【分類號】：TH133.33
【正文快照】： 滾動軸承是機械設(shè)備中最常見、最容易損壞的部件之一,其正常與否決定著機械設(shè)備狀態(tài)的好壞。振動信號作為滾動軸承故障信息的載體,包含著軸承運行狀態(tài)的重要信息,對其進行分析處理是實現(xiàn)軸承故障診斷的常用方法。目前對振動信號進行分析主要從時域、頻域以及時頻域等方面入手,

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高兆法,歐宗瑛;產(chǎn)品信息模型中形狀特征的表達研究[J];組合機床與自動化加工技術(shù);1999年08期

2 孫蘭鳳,徐健,陳健,周良生;基于形狀特征的參數(shù)化作圖的變量設(shè)計方法[J];天津紡織工學(xué)院學(xué)報;1998年02期

3 盧艷軍;形狀特征拼合法在計算機繪圖中的應(yīng)用[J];遼寧省交通高等專科學(xué)校學(xué)報;2001年01期

4 田啟華,馬可,雷華政;機械零件CAD圖形的形狀特征拼合法設(shè)計[J];三峽大學(xué)學(xué)報(自然科學(xué)版);2003年06期

5 閆曉磊;鐘志華;張義;孫光永;;基于最優(yōu)控制理論的儲能飛輪轉(zhuǎn)子形狀優(yōu)化設(shè)計研究[J];機械工程學(xué)報;2012年03期

6 李際軍;陳保宇;;保持形狀特征的整體網(wǎng)格曲面變形算法[J];計算機集成制造系統(tǒng);2010年05期

7 張衛(wèi)國，孔U�，钟毅粉E�，唐增�

本文編號：423197