振动与冲击

作者：姜景升，王华庆，柯燕亮，向伟

单位：北京化工大学 机电工程学院，北京 100029

关键词：局部切空间排列；K-最近邻分类器；聚类准则；故障诊断

针对局部切空间排列算法(LTSA)的效果受近邻数k值影响较大的缺点，提出基于聚类准则的LTSA与K-最近邻分类器的故障诊断模型。首先基于振动信号的时域特征构建高维特征矩阵；然后对高维矩阵进行标准化预处理，依据聚类准则确定局部切空间排列中的最佳近邻数k，运用LTSA提取高维矩阵的低维特征向量；最后将提取的低维特征向量利用K-最近邻分类器进行故障模式识别。采用轴承诊断实验系统进行验证，结果表明，基于聚类准则的优化方法可有效地克服近邻数k选择的盲目性，提高了局部切空间的降维精度和故障模式识别正确率，其在轴承时域特征维数约简方面，效果优于主成分分析(PCA)与拉普拉斯特征映射（LE），适用于轴承故障诊断。<br>

来源：2017年第11期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第11期