第12期 2016年12月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2016)12009604
DOI:10. 13462/j. cnki. mmtamt.2016. 12.026
基于 SLLE算法和流形聚类分析的
滚珠丝杠故障诊断
李善，谭继文，俞昆
（青岛理工大学机械工程学院，山东青岛266520）
No.12 Dec.2016
摘要：针对滚珠丝杠故障信号非线性的特点及故障特征集中允余信息的干扰，提出了将SLLE降维方法与流行聚类分析相结合的故障诊断方法。采集滚珠丝杠不同故障状态的振动信号和噪声信号，构造原始信号特征向量：利用SLLE算法对特征向量进行降维处理，得到筛选后的特征向量，绘制出其三维分布图；计算每种故障的聚类中心和流形距离，根据“最短距离”原则进行故障识别诊断。并通过试验及与KPCA、LLE两种诊断方法的比较,验证了SLLE降维方法与流行聚类分析相结合的故障
诊断方法的有效性和识别结果的准确性。关键词：SLLE算法；流形距离：故障诊断
中图分类号：TH17；TG506
文献标识码：A
Fault Diagnosis of Ball Screw Based on SLLE Algorithm and Manifold Clustering Analysis
LI Shan,TAN Ji-wen,YU Kun
(School of Mechanical Engineering, Qingdao Technological University ,Qingdao Shandong 266520, China ) Abstract : According to the nonlinear characteristics of ball screw fault signal and the interference of the fault characteristic, the fault diagnosis method based on SLLE dimension reduction method and the popular cluster analysis is put forward. Collect vibration signal and noise signal in different fault state of ball screw and structure original signal feature vector. Using SLLE algorithm to reduce the dimension of feature vectors and feature vectors are obtained. Draw its three-dimensional distribution map. Calculate the cluster centers and manifold distances for each fault and fault diagnosis based on the principle of " shortest distance". And through the experiment and comparison with KPCA and LLE two diagnostic methods, the validity and accu-racy of the fault diagnosis method combined with the SLLE dimension reduction method and the popular cluster analysis method was verified.
Key words: SLLE algorithm; manifold distance; fault diagnosis
0引言
滚珠丝杠以其精度好、传动效率高等特点，广泛应用于数控机床，是机械行业使用最广的传动组件之一。但常常因为使用和维护不当，无法满足加工精度要求甚至使数控机床出现故障和损坏。因此，及时进行滚珠丝杠故障诊断是保证数控机床正常运行和提高加工质量的重要环节。
滚珠丝杠发生故障时，其信号表现为非线性的特点，且信号特征向量维数巨大，不易进行后续诊断工作。由于传统KPCA降维方法无法保留数据原始特征的缺点,S.T.Roweis等人提出了LLE方法，该方法很好地保留了数据的原始结构，并广泛应用于人脸识别，图像处理等领域。但LLE属于非监督式降维方法，没
收稿日期：2016-01-28；修回日期：2016-02-29
有考虑到不同故障的分类。SLLE算法增加了样本类别信息，相比于KPCA、LLE两种方法，该方法既保留了数据原始特征、又包含故障类别的样本信息，非常适合于滚珠丝杠不同类别故障的识别与诊断。
聚类分析是模式识别领域中的常用方法之一，常
用的聚类分析方法有K-均值法，模糊聚类法等。距离是描述数据间差异性的度量，传统欧氏距离无法反映聚类全局的一致性，只能反映局部数据的相似性，因此本文引入基于流形距离的聚类算法，可以放大不同流形上点的距离，同时缩小相同流形上点的距离。与传统聚类方法相比，该方法能够直观、简明的反映不同故障的分类信息。
综上,本文研究基于SLLE算法与流形距离聚类算法相结合的滚珠丝杠故障诊断方法，并通过试验予
*基金项目：国家自然科学基金项目（51075220）；山东省高等学校科技计划项目（J13LB11）；高等学校博士学科点专项科研基金（20123721110001）
青岛市科技计划基础研究项目(12-1-4-4-（3）-JCH)
作者简介奢善6辑0—），女，山东案芜人，青岛理工大学硕士研究生，研究方向为机械无损检测与故障诊断，（E-mail)102622139@g-com。
方芳数据