|
|||||
|
|
| t分布随机近邻嵌入机械故障特征提取方法研究 | |
| 作者单位： | ;1.机械科学研究总院;2.北京信息科技大学现代测控教育部重点实验室 |
| 摘 要： | 将t分布随机近邻嵌入(t-SNE)流形学习方法应用于机械振动信号的故障特征提取,实现高维特征信息降维处理。通过小波包分解算法将原始振动信号分解为多层小波子空间,通过计算各层的小波阈值熵构造高维特征数据,然后采用t-SNE方法对构造的高维特征数据进行数据降维,获取低维故障特征信息。采用本特利转子试验台进行故障仿真实验,对采集获得的几种典型故障状态下的振动数据分别基于小波包阈值熵及统计特征构造2组高维数据,并对2组高维特征数据分别采用t-SNE方法进行数据降维处理获得其二维特征数据,通过对比验证了基于小波包阈值熵法构造高维数据后进行t-SNE数据降维的特征提取方法能够更有效的区分故障特征。 |
| 关 键 词： | 小波包阈值熵 流形学习 t-SNE 特征提取 |
An Early Fault Feature Extraction Method Based on t-Distribution Stochastic Neighbor Embedding for Large Rotating Machinery |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |