基于KSLPP与RWKNN的旋转机械故障诊断

发布时间：2018-02-27 10:08

  本文关键词： 故障诊断 核监督局部保留投影 ReliefF特征选择 加权K近邻分类器　出处：《振动与冲击》2016年08期 　论文类型：期刊论文

【摘要】：针对旋转机械高维故障特征集识别精度低的问题,提出基于核监督局部保留投影(Kernel Supervised Locality Preserving Projection,KSLPP)与Relief F特征加权的K近邻(Relief F Weighted K-Nearest Neighbor,RWKNN)分类器相结合的维数约简故障诊断方法。该方法首先应用KSLPP提取故障特征集中的非线性信息,同时在降维投影过程中充分利用类别信息,使降维后最小化类内散度,最大化类间分离度;随后,将降维后得到的低维敏感特征集输入RWKNN进行模式识别,RWKNN能够突出不同特征对分类的贡献率,强化敏感特征,弱化不相关特征,提升了分类精度和鲁棒性。最后,通过典型转子实验台的故障特征集验证了该方法的有效性。
[Abstract]:Aiming at the problem of low recognition accuracy of high dimensional fault feature set of rotating machinery, A dimension reduction fault diagnosis method based on Kernel Supervised Locality Preserving projection KSLPPand Relief F feature weighted K-nearest neighbor Relief F K-nearest neighbor classifier is proposed. Firstly, KSLPP is used to extract nonlinear information from the fault feature set. At the same time, in the process of dimensionality reduction projection, the class information is fully utilized to minimize the intra-class divergence and maximize the inter-class separation after dimensionality reduction. When the reduced dimension sensitive feature set is input into RWKNN for pattern recognition, RWKNN can highlight the contribution of different features to the classification, strengthen the sensitive feature, weaken the irrelevant feature, and improve the classification accuracy and robustness. The effectiveness of the method is verified by the fault feature set of a typical rotor test rig.
【作者单位】： 兰州理工大学机电工程学院;
【基金】：高等学校博士学科点专项科研基金(20136201110004)
【分类号】：TH17

【参考文献】

相关期刊论文 前10条

1 陈法法;汤宝平;马婧华;尹爱军;;基于遗传退火优化MSVM的齿轮箱故障诊断[J];振动.测试与诊断;2014年04期

2 苏祖强;汤宝平;姚金宝;;基于敏感特征选择与流形学习维数约简的故障诊断[J];振动与冲击;2014年03期

3 李锋;汤宝平;陈法法;;基于线性局部切空间排列维数化简的故障诊断[J];振动与冲击;2012年13期

4 梁胜杰;张志华;崔立林;钟强晖;;基于主成分分析与核独立成分分析的降维方法[J];系统工程与电子技术;2011年09期

5 霍天龙;赵荣珍;胡宝权;;基于熵带法与PSO优化的SVM转子故障诊断[J];振动.测试与诊断;2011年03期

6 杨艺;韩德强;韩崇昭;;基于排序融合的特征选择[J];控制与决策;2011年03期

7 申中华;潘永惠;王士同;;有监督的局部保留投影降维算法[J];模式识别与人工智能;2008年02期

8 张志伟;杨帆;夏克文;杨瑞霞;;一种有监督的LPP算法及其在人脸识别中的应用[J];电子与信息学报;2008年03期

9 祝磊;朱善安;;KSLPP:新的人脸识别算法[J];浙江大学学报(工学版);2007年07期

10 于达仁,胡清华,鲍文;融合粗糙集和模糊聚类的连续数据知识发现[J];中国电机工程学报;2004年06期

【共引文献】

相关期刊论文 前10条

1 崔业勤;高建国;;代价敏感的监督流形学习人脸识别方法[J];系统仿真学报;2016年05期

2 王雪冬;赵荣珍;邓林峰;;基于KSLPP与RWKNN的旋转机械故障诊断[J];振动与冲击;2016年08期

3 张良;张前图;;基于LCD模糊熵和流行学习的故障特征提取方法[J];机械强度;2016年02期

4 邬战军;牛敏;许冰;牛燕雄;耿天琪;张帆;满达;;基于谱回归特征降维与后向传播神经网络的识别方法研究[J];电子与信息学报;2016年04期

5 郑路远;;基于粗糙集理论的信贷风险评估模型研究[J];山东农业大学学报(自然科学版);2016年02期

6 刘忠宝;赵文娟;;融合全局和局部特征的文本特征提取方法研究[J];情报探索;2016年01期

7 陈保家;吴志平;严文超;朱晨希;;基于LLTSA的轴承故障数据降维方法研究[J];信息通信;2016年01期

8 赵荣珍;王雪冬;邓林峰;;基于PCA-KLFDA的小样本故障数据集降维方法[J];华中科技大学学报(自然科学版);2015年12期

9 潘宏侠;都衡;马春茂;;局域波信息熵在高速自动机故障诊断中的应用[J];振动.测试与诊断;2015年06期

10 潘永波;;基于流形学习的柴油机振动故障诊断方法研究[J];现代制造技术与装备;2015年06期

【二级参考文献】

相关期刊论文 前10条

1 宋涛;汤宝平;李锋;;基于流形学习和K-最近邻分类器的旋转机械故障诊断方法[J];振动与冲击;2013年05期

2 李锋;汤宝平;陈法法;;基于线性局部切空间排列维数化简的故障诊断[J];振动与冲击;2012年13期

3 刘慧芳;贾振元;王福吉;宗福才;;超磁致伸缩执行器位移模型的参数辨识[J];机械工程学报;2011年15期

4 程力e，

本文编号：1542219