Zhixiong AU - TY -的A2 - Li Li回族盟——刘现任非盟- Bo,林PY - 2017 DA - 2017/03/14 TI -故障识别转子系统基于时频图像分类特征张量SP - 6542348六世- 2017 AB -转子故障模式识别领域,大多数经典的模式识别方法都是在特征向量空间中进行，不同的特征值被堆叠成一维向量，然后由分类器进行处理。本文将转子振动信号的时频图像表示为纹理特征张量，利用线性支持高张量机(SHTM)对转子故障状态进行模式识别。首先，自适应最优核时频图可视化了转子故障振动信号的独特特征;将转子故障识别转化为相应的时频图像(TFI)模式识别。其次，为了突出和保留TFI局部特征，将TFI划分为TFI子区域，提取分层纹理特征;然后，为了避免多维特征叠加到向量中造成的信息丢失和失真，将子区域的多维特征转化为保留TFI固有结构特征的特征张量。最后，将特征张量输入SHTM进行转子故障模式识别，并对其识别性能进行评价。实验结果表明，与传统的基于矢量的分类器相比，基于时频纹理特征张量的分类方法能够获得更高的识别率和更好的鲁棒性，尤其是在小样本情况下。SN - 1023-621X UR - https://doi.org/10.1155/2017/6542348 DO - 10.1155/2017/6542348 JF - International Journal of Rotating Machinery PB - Hindawi KW - ER -