摘要：为解决风机轴承退化指标单调性差、可解释性不足的问题，提出了一种基于t分布随机邻近嵌入（t-SNE）和聚类量化的风机轴承退化评估方法。该方法首先提取健康参考状态和任意时刻监测状态振动信号的时域、频域及时频域特征，并对其进行参照化特征融合；其次，为避免维数灾难利用t-SNE对高维数据进行降维；最后，选用聚类量化因子表征风机轴承的退化程度，设定自适应阈值，进而实现退化评估。经过与其他算法对比和实际信号验证，所建立的退化指标能够及时预警风机轴承早期故障，且单调性强、可有效减少误警率。
文章目录
1 引言
2 理论基础
2.1 特征提取
2.2 t-SNE流形学习降维方法
2.3 聚类量化因子
2.4 自适应阈值设定
3 t-SNE聚类量化退化评估方法
4 实例分析
4.1 算法验证
4.2 实测信号验证
5 结论
