公开(公告)号：CN110631827B

公开(公告)日：2021-08-10

申请号：CN201910795937.5

申请日：2019-08-27

Applicant: 安徽大学

Inventor： 卢一相 ,  马丹 ,  高清维 ,  孙冬 ,  竺德 ,  彭学明

IPC: G01M13/021 ,  G01M13/028 ,  G06K9/62

Abstract: 本发明公开了一种基于改进协同表示分类的齿轮箱故障诊断方法，首先利用传统傅里叶变换将齿轮箱的原始振动信号进行频域变换，提取频域特征，并利用主成分分析降低所得到的特征矩阵的维度；基于降维后的相似特征矩阵，利用不同故障类别的特征矩阵进行训练得到不同的子字典，再将子字典进行合并形成过完备字典；根据所得到的过完备字典，通过协同表示分类来计算每个故障类别的残差，残差最小的故障类别就是查询样本所属的类别，以此来实现故障的分类。上述方法能在快速分类的同时，提高故障分类的准确率，进而提高了齿轮箱故障诊断的可靠性。

公开(公告)号：CN110631827A

公开(公告)日：2019-12-31

申请号：CN201910795937.5

申请日：2019-08-27

Applicant: 安徽大学

Inventor： 卢一相 ,  马丹 ,  高清维 ,  孙冬 ,  竺德 ,  彭学明

IPC: G01M13/021 ,  G01M13/028 ,  G06K9/62

Abstract: 本发明公开了一种基于改进协同表示分类的齿轮箱故障诊断方法，首先利用传统傅里叶变换将齿轮箱的原始振动信号进行频域变换，提取频域特征，并利用主成分分析降低所得到的特征矩阵的维度；基于降维后的相似特征矩阵，利用不同故障类别的特征矩阵进行训练得到不同的子字典，再将子字典进行合并形成过完备字典；根据所得到的过完备字典，通过协同表示分类来计算每个故障类别的残差，残差最小的故障类别就是查询样本所属的类别，以此来实现故障的分类。上述方法能在快速分类的同时，提高故障分类的准确率，进而提高了齿轮箱故障诊断的可靠性。