摘要：提出一种基于正交邻域保持嵌入（orthogonal neighborhood preserving embedding,ONPE）特征约简的故障诊断模型。首先将原振动信号经验模式分解（empirical mode decomposition,EMD）并构造Shannon熵得到高维特征向量,再利用ONPE将高维特征向量约简为低维特征向量,并输入到最近邻分类器（k-nearest neighbors classifier,KNNC）中进行故障识别。本模型充分利用了EMD分解在故障特征提取、ONPE在信息压缩和KNNC在分类决策方面的优势,实现了旋转机械故障特征提取到故障诊断的全程自动化,并提高了诊断精度,为旋转机械故障诊断提供了一种新的模型分析方法。一个滚动轴承故障诊断实例验证了该模型的有效性。

关键词：正交邻域保持嵌入 流形学习 特征约简 最近邻分类器 经验模式分解 

单位：重庆大学机械传动国家重点实验室 重庆400030