机械工程学报

作者：江星星, 彭德民, 沈长青, 刘颉, 郭剑峰, 朱忠奎

单位：1. 苏州大学轨道交通学院 苏州 215131;2. 华中科技大学土木与水利工程学院 武汉 430074;3. 中国铁道科学研究院集团有限公司基础设施检测研究所 北京 100081

关键词：故障诊断,稀疏滤波,流形学习,特征融合,滚动轴承；

基金：国家自然科学基金(52172406,51875376);中国博士后科学基金(2022T150552,2021M702752);苏州市重点产业技术创新(SYG202111)资助项目

稀疏滤波故障特征增强方法依托故障信息固有的稀疏性可以有效实现轴承微弱故障诊断，但其存在两类弊端：经验地设置其输入、输出维度，引起特征提取效果的不确定性；需要利用先验知识从优化的权重矩阵中严格地筛选出特定成分，造成故障特征信息损失。针对上述问题，提出快速固有成分滤波特征融合方法。首先，引入复杂性测度设计自适应的稀疏滤波维度参数选取准则，并采用稀疏滤波优化目标指数遴选出一簇故障信息丰富的融合源；其次，建立故障特征融合源流形学习融合策略，包括改进流形学习方法融合遴选出的融合源，构造融合分量异常幅值检测策略和给出了最大化故障信息的融合分量加权表示。提出方法可解决稀疏滤波维度参数选择、特征筛选造成信息损失和固有流形幅值异常引起包络谱奇异等问题。仿真和试验结果验证所提出方法相较于现有流形学习和稀疏滤波等方法具有更强的轴承微弱故障特征提取能力。

来源：2022年第22期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第22期