基于全局-局部欧拉弹性判别投影的旋转机械故障诊断方法

作     者：苏树智 张茂岩 方贤进 朱彦敏 SU Shuzhi;ZHANG Maoyan;FANG Xianjin;ZHU Yanmin

作者机构：安徽理工大学计算机科学与工程学院安徽淮南232001 合肥综合性国家科学中心人工智能研究院合肥230031 安徽理工大学机械工程学院安徽淮南232001 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2023年第42卷第11期

页      面：65-74页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

基　　金：国家自然科学基金(61806006) 中国博士后科学基金(2019M660149) 安徽高校协同创新项目(GXXT-2021-006) 

主　　题：余弦度量 欧拉表示 维数约简 故障诊断 

摘      要：故障诊断方法通常对异常值敏感,并且难以同时提取全局和局部判别信息,从而导致低维判别特征子集类间分离性不佳,针对该问题提出了一种基于全局-局部欧拉弹性判别投影(global-local euler elastic discriminant projection,GLEEDP)的旋转机械故障诊断方法。该方法通过余弦度量将高维故障特征映射到欧拉表示空间,扩大异类故障样本间的差异,然后在该空间中构建了基于全局、局部及类间散布三个目标函数的最优化模型,实现了在保持整体结构的基础上,进一步提高低维判别特征子集的局部类内聚集性和全局类间分离性。在轴承和齿轮箱两个机械故障数据集上的试验结果表明,所提方法可以有效发掘故障判别信息,具有优越的故障诊断性能。