LTSA和KECA相结合的轴承故障诊断

高胜利 ，党伟明 ，齐咏生 ，赵小荣

（1.内蒙古工业大学 电力学院，内蒙古 呼和浩特 010080；2.内蒙古北方龙源风力发电有限责任公司，内蒙古 呼和浩特 010050；3.中国移动通信集团内蒙古有限公司，内蒙古 呼和浩特 010011）

1 引言

滚动轴承是旋转机械的主要部件之一，它具有效率高、摩擦阻力小、装配简单、易润滑等优点，是机械设备中应用最普遍，但也是最易损伤的部件之一，据统计约30%的机械故障是由轴承损伤引起的。鉴于对旋转机械的正常运行的可靠性和安全性的要求，我们对其进行故障的检测与诊断，从而及时采取措施防止事故的发生。随着现代化诊断、检测技术不断发展，如何实现滚动轴承快速、准确的故障诊断已成为一个热门的研究内容[1]。

滚动轴承的主要故障形式有疲劳剥落、磨损、塑性变形、腐蚀、断裂、胶合和保持架损坏等，轴承运行中会产生一定的特征频率的冲击，引起轴承的振动，振动信号呈现非线性、非平稳状态，因此准确的从中提取故障特征信息就成为故障诊断的核心环节也决定了诊断能力的上限。而传统基于线性分析的特征提取方法对于滚动轴承的故障诊断往往存在各种不足[2]。

针对滚动轴承在运行的过程中产生的非线性、非平稳信号往往存在一定的关联或重叠，从而导致信号中存在大量冗余的信息。依据故障特征之间的关联重叠特点采用非线性流形学习方法中的LTSA可以剔除大量冗余信息，提高故障特征的敏感度[3]，能够有效地获得嵌入在高维空间中的内在低维流形结构并挖掘数据的内在本质特征，为故障诊断提供了新的途径[4]。……