原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于密度域敏感空间学习的滚动轴承故障诊断方法，解决了在非线性空间学习中欧氏距离会导致潜在流形损失和忽略密度结构的问题，从而有效提高滚动轴承故障诊断的准确性。实现过程为：(1)提取原始故障振动信号的时频域特征，构建高维故障样本集；(2)借助高维故障样本间的密度约束，构建局部密度约束图、全局密度约束图、类内密度约束图和类间密度约束图，以此基础提出密度域敏感空间学习模型；(3)求解该模型的投影矩阵，并利用空间投影获得低维故障特征；(4)借助分类器，对低维故障特征进行故障辨识，以获得最终
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116735204 A
(43)申请公布日 2023.09.12
(21)申请号 202310698185.7
(22)申请日 2023.06.13
(71)申请人 安徽理工大学
地址 232000
文档评论（0）