振动敏感特征与流形学习的风机基座螺栓松动程度诊断

来源：计算机集成制造系统杂志2017年第12期北京时间：

作者：陈仁祥,周君,杨黎霞,母芝验,袁静

单位：1.重庆交通大学机电与车辆工程学院2.重庆大学机械传动国家重点实验室3.重庆广播电视大学4.雅砻江流域水电开发有限公司二滩水力发电厂

摘要：为实现在役风机基座螺栓松动程度诊断的自动化与高精度,解决松动特征提取与敏感特征选取、高维非线性约简与松动程度稳定识别的问题,提出基于振动敏感特征与流形学习约简的风机基座螺栓松动程度诊断方法。首先,融合振动信号时频特征构建出原始松动程度特征集,实现对松动程度的定量表征;设计出风机基座连接螺栓松动程度敏感性指标算法,选取敏感特征构建松动程度敏感特征集,增强特征集的表征性能。再应用正交局部保持映射流形学习算法对松动程度敏感特征集进行非线性约简,滤除冗余信息获得分类特性好的低维松动程度特征集,并输入加权最近邻分类器进行松动程度识别。工程应用结果证明了所提方法的可行性和有效性。

关键词：风机基座,松动程度,敏感特征,正交局部保持映射,加权k最近邻分类器,故障诊断

基金资助：国家自然科学基金资助项目(51305471);机械传动国家重点实验室开放基金项目(SKLMT-KFKT-201710);中国博士后科学基金资助项目(2014M560719);重庆市留学人员回国创业创新支持计划创新项目(cx2017076)。