关键词：参数自适应变分模式提取;稀疏保持投影;特征提取;机械设备;故障诊断
摘 要：针对传统的故障识别方法存在信号质量低和诊断精度差等问题，提出一种参数自适应变分模式提取（PA-VME）和稀疏保持投影（SPP）相结合的数据驱动机械故障诊断新方法。结合相关系数、L-峭度和信息熵构造一个新的指标L_FCI并将其作为适应度函数，采用粒子群算法对变分模式提取的内部参数进行优化，从而形成PA-VME模型并将其用于振动信号的模式分解；根据构造的指标能够反映信息有序度的原则，选取有效的模式分量并计算得到高维特征数据集；利用SPP将数据集通过权重矩阵投影到低维空间，实现对高维特征数据的降维和聚类分析。通过对仿真信号和实验台的故障信号进行分析，证明其对不同类型机械故障的识别精度可以达到96.87%。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取