论文部分内容阅读
针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题，提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先，利用多小波包分解方法得到故障信号的多维多小波系数，通过计算排列熵初步提取了各个小波系数中的故障特征信息；然后利用局部切空间排列（LTsA）流形学习方法对多维特征信息进行处理，在有效降低信息冗余度的同时，提取了其中主要的故障特征；最后利用支持向量机（SVM）对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明，该方法可以准确地识别出轴承不同的故障类型，并且在提