基于WPD和LPP的设备故障诊断方法研究

《基于WPD和LPP的设备故障诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于WPD和LPP的设备故障诊断方法研究丁晓喜，何清波(中国科学技术大学粘密机械与精密仪器系，合肥230026)摘要：小波包分解(WPD)能够将非平稳信号在低频和高频上同时形成特征信息，冇效的反映出信号潜在的特征，而局部保留投影法(LPP)在降维的同时保附了信号的局部特征信息，结合上述特点，木文给岀了逸取信号4层小波包分解后形成全部节点的谱能量，作为表征信号的特征，采用LPP提収特征降维进行模式识别这种方法。在多组轴承的不同故障、同故障不同损伤程度的多类别数据集上进行了实验，比较识别精度，实验结果验证了这种方法的冇效牲。关键词：故障诊断；特征提取；识别粘度；小波包分解；局部保留投影法；高斯混合

2、模型中图分类号:TP391.4MachineFaultDiagnosisBasedonWPDandLPPDINGXiaoxi,HEQingbo(DepartmentofPrecisionMachineryandPrecisionInstrumentation,UniversityofScienceandTechnogyofChina,Hefei230026)Abstract:Waveletpacketdecomposition(WPD)caneffectivelyreflectthepotentialsignalcharacteristicsbydecomposingthenon-statio

3、narysignalintothelowandhighfrequencies・Localitypreservingprojection(LPP)canretainthelocalfeaturesoftheanalyzedsignalindimensionalityreduction.Combiningthesetwobenefits,thispaperselectsthespectralenergyofallnodeswithWPDasacharacterizationoftheanalyzedsignalandusesLPPfeatureextractiontoreducedimension

4、sforpatternrecognitionofmachinefaults.Experimentalresultsshowtheeffectivenessoftheproposedmethodbyusingmulti-classdatasetofmultiplesetsofbearingfaultswithdifferentfaulttypesanddefectseverities.Keywords:FaultDiagnosis;FeatureExtraction;IdentificationAccuracy;WaveletPacketDecomposition(WPD);LocalPrese

5、rvingProjection(LPP);GaussianMixtureModel(GMM)0引言对于机械设备故障信号的采集人多是采用传感器等设备，不过随着监测到的信号越來越复杂，信号也大多都是非平稳的，致使故障诊断问题也口趋复杂、困难。相比较以往的时域特征不能反映频域上的信息，而傅立叶变换(FFT)只是一种纯频域的分析方法，反映的是整个信号在整段时间内的整体频域特征，不能提供具体某个时刻或者局部时间段上的频率信息，因此它适用于平稳信号13,小波分解(WPT)

6、3引在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，这些特性都不能同时在髙频和低频

7、上形成特征信息，而小波包分解(WPD)[5-6]是能够将信号分解到不同的频带上并形成特征信息，能够更好的反映信号潜在的特征信息。同时对于现在越來越人、不完全、模糊、随机、有噪声的数据，在降维的同时从中找出隐含的冇用信息就显得很冇必要。局部保留投影法(LocalityPreservingProjection,LPP)(7-yj不仅约减了维数、保留了数据在空间的局部特征，还使提取后的数据具有流形学习的效果。LPP能够把类与类分得更开、类内右更好的聚类效果，也即是使对彖类间具右更好的异质性、基金项目:教育部高等学校博士学科点专项科研基金(20103402120017)；国家自然基金(编号510052

8、21)作者简介：丁晓喜，(1989-),男，研究生，故障诊断与信号分析。通信联系人：何淸波，(1980-),男，网士，副教授，故障诊断与信号分析。E-mail:qbhc@ustc.cdu.cn类内有更好的同质性，更有助于样本的测试。故常用在故障诊断的信号处理上。为此，本文主要是找到适宜的小波包分解层数的全部频带能量作为信号特征，并基于此特征釆用局部投影保留法提取特征、用高斯混合模型(Gaussia