基于超曲空间几何结构感知的轴承多模态故障诊断方法
秦子倪1
朱彦敏2
1.安徽理工大学 计算机科学与工程学院,安徽 淮南 2320012.安徽理工大学 机电工程学院,安徽 淮南 232001
摘要：针对轴承故障诊断方法对异常值敏感,且在处理多模态数据时难以充分挖掘其潜在几何结构信息等问题,提出了基于超曲空间几何结构感知(hyperspace geometric structure perception,HGSP)的轴承多模态故障诊断方法.该方法将原始多模态特征统一映射至由庞加莱球模型构建的超曲空间中,刻画了数据间的潜在非线性结构关系,还设计了基于余弦相似度的结构保持策略,以感知模态内的语义一致性,并增强模态间的特征融合能力.该方法兼顾多模态数据间的几何差异性和方向相似性,增强了对异常值的鲁棒性与对数据的几何结构感知能力.在帕德博恩大学(Paderborn University,PU)轴承数据集和自研实验平台掘进机数据集上开展实验,HGSP方法相比局部保持典型相关分析(locality preserving canonical correlation analysis,LPCCA)方法,在PU数据集上的平均识别准确率提升了 2.00个百分点,在掘进机数据集上提升了 1.83 个百分点.结果表明,该方法有效增强了对故障类别的区分能力,在轴承故障诊断中具有实用价值.
关键词：故障诊断特征提取超曲空间余弦相似度典型相关分析理论多模态数据
分类号：TH165+.3(机械制造工艺)
资助基金：国家自然科学基金(52504161)国家自然科学基金(52374155)安徽省自然科学基金项目(2308085MF218)安徽省高等学校自然科学研究项目(2024AH050399)淮南市指导性科技计划项目(2023142)淮南市指导性科技计划项目(2023147)安徽理工大学青年基金项目(QNZD202202)
论文发表日期：2026-03-20
在线出版日期：2026-03-26（本平台首次上网日期，不代表文献的发表时间）
页数：7( 62-68 )
英文信息