基于四元数理论与流形学习的多通道机械故障信号分类方法

摘要：

提出一种基于增广四元数矩阵奇异值分解与流形学习正交邻域保持嵌入算法的多通道机械故障信号分类方法，通过引入四元数来耦合4个通道信号，并且利用四元数乘方的性质对数据进行增广处理，充分利用各通道信息并挖掘通道之间的相关性，从而减少因故障特征信息丢失对分类结果的影响。此外，针对传统奇异谱分析提取特征参数的分类效果受噪声影响较大的问题，引入正交邻域保持嵌入算法对奇异值序列进行维数约简，最后使用分类器完成故障分类。对仿真信号的分类结果表明，在强噪声背景下，相较于单通道奇异谱分析方法和机械故障信号中常用的排列熵方法，本文提出的方法分类效果更好。将其应用于更为复杂的实测轴承故障信号的分类与识别中，同样有着较好的效果。

关键词：故障诊断、信号处理、四元数、奇异值分解、流形学习、故障分类

所属期刊栏目：39

分类号：TH133.3;TH165.3

资助基金：国家自然科学基金资助项目51475339;武汉科技大学冶金装备及其控制教育部重点实验室开放基金资助项目2015B11

在线出版日期：2016-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：455-461