论文部分内容阅读
针对齿轮箱故障特征重叠难以有效分离问题，提出基于局部切空间排列与多核支持向量机的齿轮箱故障诊断模型。在由振动信号时域统计指标及内禀模态分量能量构造的多元特征空间中，据局部切空间排列算法对多元特征进行非线性降维处理，得到初始低维流形结构，获取最优敏感特征向量；将该特征向量输入至多核支持向量机进行学习训练与故障辨识。局部切空间排列能克服传统降维方法的不足，多核支持向量机可实现复杂故障高精度、自动化智能诊断。通过齿轮箱故障模拟实验验证该方法的有效性。