基于UMAP改進的多域特征提取方法及軸承故障診斷

摘要： 針對傳統(tǒng)多域特征提取方法占用計算資源過大、分類精度不足等問題，提出了一種基于統(tǒng)一流行逼近與投影算法(UMAP)改進的多域特征提取方法。通過對原始信號進行多域特征采集結(jié)合UMAP的全局信息提取能力進行信息融合與低維映射重構(gòu)特征集；在此基礎(chǔ)上將特征集輸入到支持向量機中進行模型訓(xùn)練，實現(xiàn)軸承的故障識別與診斷?；谀炒髮W(xué)公開的滾動軸承實驗數(shù)據(jù)集對比分析了幾種典型的優(yōu)化算法與傳統(tǒng)多域特征... （共4頁）