基于ITD与LLTSA的轴承故障诊断方法

摘要

针对在复杂运行环境下,轴承故障振动信号受强噪声干扰而难以进行特征提取的问题,以及高维特征虽然包含更多运行状态信息但是存在"维数灾难"的问题,提出了基于ITD与MLE-LLTSA的故障诊断方法。首先利用ITD算法对原始故障信号进行分解得到一系列的固有旋转分量(PRC),根据峭度准则与相关系数,筛选出含故障信息丰富的PRC进行相加重构得到新的数据集;提取重构后数据集的时域、频域等多个特征构建多域特征向量集;利用MLE与LLTSA相结合得到高维多域特征集的低维本征流形,最后训练得到基于极限学习机(ELM)轴承故障诊断模型。采用公开轴承数据集来进行测试实验,该模型的故障识别率达到了99.20%,具有较高的分类精度。实验结果表明,所提方法能够有效提取出故障振动信号并减少高维特征所产生的冗余问题,实现对轴承运行状态的有效识别。