基于S-ISOMAP和DAG-SVM的齿轮声学故障诊断方法

齿轮故障声信号特征数据集具有高维和非线性特性,等距映射(ISOMAP)降维算法通过构造距离矩阵来测量样本点之间的测地距离,具有处理复杂非线性数据的能力,但其本身是一种无监督算法,不能有效利用样本点间的标签信息。文中设计了一种结合有监督等距映射(S-ISOMAP)算法和有向无环图支持向量机(DAG-SVM)的故障诊断方法,主要包括特征提取、降维和模式识别三个部分。利用梅尔频率倒谱系数(MFCC)提取齿轮故障声信号的特征信息,建立高维特征数据集,在计算欧式距离时引入调节因子,构建有监督的S-ISOMAP降维算法对高维MFCC特征数据集进行降维。引入有向无环图,构建DAG-SVM分类器实现多分类。实验结果表明,该方法能有效准确的识别出旋转机齿轮的故障状态,识别准确率达到94.67%,S-ISOMAP相较ISOAMP、局部线性嵌入的降维效果更好,分类识别准确率更高。