摘要:
针对中介轴承振动信号传递到机匣测表面上路径复杂,导致故障特征提取及识别困难等问题,提出了一种基于广义精细复合多尺度量子熵(generalized refined composite multiscale quantum entropy, GRCMQE)、核主成分分析(kernel principal component analysis, KPCA)与参数优化支持向量机的中介轴承故障诊断方法。该方法首先采用GRCMQE从振动信号中提取故障特征,构建高维故障特征集。其次,采用KPCA方法对高维特征数据降维,得到低维流形特征。然后,将得到的特征输入到基于交叉验证优化的支持向量机(cross validation- support vector machine, CV-SVM)中,完成故障模式识别。最后,在中介轴承故障数据集上对所提出的方法进行测试,结果表明该方法能够有效实现中介轴承不同故障类型的识别,并且故障识别精度达到98.33%。
田晶, 张羽薇, 张凤玲, 等. 基于广义精细复合多尺度量子熵和核主成分分析的中介轴承故障诊断方法[J]. 航空动力学报, 2024, 39(2):20210467. doi: 10.13224/j.cnki.jasp.20210467.