基于正交局部保持映射(OLPP)特征约简的故障诊断方法
专利类型：发明专利
语 言：中文
申 请 号：CN200910243511.5
申 请 日：20091224
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20120530
公 开 号：CN101750210B
代 理 人：胡敬红
代理机构：北京海虹嘉诚知识产权代理有限公司 11129
摘 要：一种旋转机械故障诊断领域的正交局部保持映射(OLPP)特征约简的故障诊断方法，先将振动信号经验模式分解(EMD)并构造香农Shannon熵得到高维特征向量，再利用OLPP将高维特征向量约简为低维特征向量，输入到莫莱特(Morlet)小波支持向量机(MWSVM)中进行故障识别。OLPP保持局部和全局结构保留非线性流形结构的低维内在特征，MWSVM具有自适应决策力，作为终端分类器。本发明充分发挥了EMD在故障特征提取、OLPP在信息压缩和MWSVM在模式识别方面的各自优势，既实现了由故障特征提取到故障诊断的全程自动化，又具有很高的故障诊断精度和自适应诊断能力。
主 权 项：一种旋转机械故障诊断领域的基于正交局部保持映射(OLPP)特征约简的故障诊断方法，其特征在于：包括如下具体步骤：步骤一，对正常(可能含故障样本)训练样本和测试样本以经验模式分解(EMD)的技术进行分解，分别得到多层内禀模态函数(IMF)分量；步骤二，对所有内禀模态函数(IMF)分量构造瞬时幅值香农(SHANNON)熵，得到N维特征向量，N为内禀模态函数(IMF)分量层数；步骤三，利用正交局部保持映射(OLPP)同时对训练和测试样本的N维特征向量进行维数约简，分别得到K维特征向量，K作为参数设定，且要求1≤K＜N；步骤四，将训练样本的K维特征向量输入莫莱特(MORLET)小波支持向量机(MWSVM)进行训练，得到训练好的莫莱特(MORLET)小波支持向量机(MWSVM)；步骤五，将测试样本的K维特征向量输入训练好的莫莱特(MORLET)小波支持向量机(MWSVM)进行故障分类，得出各测试样本的识别结果。
关 键 词：
法律状态：生效
IPC专利分类号：G01M13/00; G06F17/10