采用概率主成分分析的回转支承寿命状态识别.docVIP

y PAGE 6 西 安 交 通 大 学 学 报 第49卷 第10期 陆超，等：采用概率主成分分析的回转支承寿命状态识别 y PAGE 5 ———————— ———————— ———————— ———————— 第49卷 第10期 西 安 交 通 大 学 学 报 Vol.49 No.10 2015年10月 JOURNAL OF XI’AN JIAOTONG UNIVERSITY Oct. 2015 收稿日期：2015-3-3. 作者简介：陆超(1990-)，男，硕士；洪荣晶(联系人)，男，教授，博士。 基金项目: 国家自然科学基金资助项目；2014年度高校“青蓝工程”。 网络出版时间： 网络出版地址： 采用概率主成分分析的回转支承寿命状态识别 陆超，陈捷，洪荣晶 (南京工业大学机械与动力工程学院，江苏，南京，211800) 摘要：针对回转支承故障特征微弱以及难以提取的特点，提出一种基于概率主成分分析(probabilistic principal component analysis, PPCA)的多领域特征提取方法。该方法从振动信号的时域和时频域中提取出多个能够表征回转支承运行状态的特征向量，并将其组成高维特征集。采用PPCA从高维特征集中提取出最能够反映回转支承寿命状态信息的特征量，将其输入粒子群算法优化的支持向量机中进行寿命状态的识别。通过回转支承全寿命实验证明，基于PPCA的特征提取方法优于传统的主成分分析(principal component analysis, PCA)，其相应的寿命状态识别精度提高了约8%，并且多领域、多变量的特征更能全面反映回转支承的性能退化趋势。与传统的特征提取方法相比，文中方法更能够全面有效的反映复杂恶劣环境下回转支承的故障信息，因此可以用于回转支承的健康监测领域。 关键词：回转支承；性能退化；概率主成分分析；支持向量机；状态识别 中图分类号：TP277;TH17 Recognition of slewing bearing life state using probabilistic principal component analysis LU Chao, CHEN Jie, HONG Rongjing (College of Mechanical and Power Engineering, Nanjing Tech University, Nanjing 211800, China) Abstract: A novel multi-domain feature extraction approach based on probabilistic principal component analysis (PPCA) was proposed to deal with the weak fault feature of slewing bearing. Firstly, multiple feature vectors were extracted to make a high dimension feature set. PPCA was then applied to extract the vectors which best reflect the slewing bearing life status from the high dimension feature set. At last, the vectors were inputted into the support vector machine optimized by particle swarm optimization for the life state recognition. According to the whole life experiment of slewing bearing, the approach of PPCA is better than the traditional PCA in the filed of feature dimension reduction, the corresponding recognition accuracy of lifetime state is improved b