基于主元分析与KNN算法的旋转机械故障识别方法

作     者：张金萍 白广彬 ZHANG Jin-ping;BAI Guang-bin

作者机构：沈阳化工大学机械工程学院辽宁沈阳110142 

基　　金：国家自然科学基金(51275315) 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2017年第6期

页      码：23-25,29页

摘      要：针对旋转机械高维故障数据难以被准确辨识的情况,提出了一种基于主元分析(principal component analysis,PCA)和K近邻(K-nearest neighbour,KNN)算法的旋转机械故障识别方法。合理选取出各状态信号的时域、频域特征指标构造成高维特征空间,输入给主元分析算法进行降维处理,提取出低维敏感特征,将约简后的状态样本输入给KNN算法进行故障识别。滚动轴承和转子的实验结果表明,该方法能够很好的约简高维故障样本特征,在实现样本数据可视化的同时准确识别出各故障样本。与传统方法相比,该方法具有结构简单、识别率高等优点,对机械故障诊断研究具有一定的工程意义。

主 题 词：主元分析 K近邻 旋转机械 故障识别 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 080202[080202] 0802[工学-机械学] 080201[080201] 

D　O　I：10.19356/j.cnki.1001-3997.2017.06.006

馆 藏 号：203233151...