基于半监督PCA-LPP流形学习算法的故障降维辨识

发布时间：2017-07-27 08:05

  本文关键词：基于半监督PCA-LPP流形学习算法的故障降维辨识

  更多相关文章： 流形学习 局部保持投影 主元分析 故障诊断 故障辨识

【摘要】：提出一种基于半监督思想PCA-LPP的流形学习维数约简故障辨识方法,兼顾PCA的全局结构和LPP的局部结构保持以及样本的类别信息,构造新的投影矩阵目标函数,给出PCA-LPP流形学习算法的计算原理。采用UCI中wine数据集验证半监督PCA-LPP方法的维数约简性能,并就齿轮箱故障声发射实验信号,以小波包能量熵作为特征向量,并将特征向量的降维结果输入支持向量机进行故障类型辨识。研究结果表明:半监督PCA-LPP方法的降维结果,能够充分考虑不同故障特征向量的差异信息,相应的故障类型辨识精度高于PCA及LPP方法。
【作者单位】： 军械工程学院火炮工程系;
【关键词】： 流形学习 局部保持投影 主元分析 故障诊断 故障辨识
【基金】：国家自然科学基金资助项目(50775219) 军队科研资助项目([2011]107)~~
【分类号】：TH132.41
【正文快照】： 齿轮箱故障诊断中,原始采样信号由于干扰成分的影响,采样信号提取的初始故障特征往往无法有效进行状态识别和故障诊断[1]。故障特征的提取和降维对故障类型的识别和诊断具有非常重要的意义,然而由齿轮箱转子结构以及工作状态的复杂性,载荷、摩擦等因素所引入的非线性影响[2],

【相似文献】

中国期刊全文数据库 前9条

1 向丹;葛爽;;一种基于小波包样本熵和流形学习的故障特征提取模型[J];振动与冲击;2014年11期

2 栗茂林;梁霖;王孙安;庄健;;基于连续小波系数非线性流形学习的冲击特征提取方法[J];振动与冲击;2012年01期

3 张熠卓;徐光华;梁霖;张锋;李淑智;;利用增量式非线性流形学习的状态监测方法[J];西安交通大学学报;2011年01期

4 梁霖;徐光华;栗茂林;张熠卓;梁小影;;冲击故障特征提取的非线性流形学习方法[J];西安交通大学学报;2009年11期

5 栗茂林;王孙安;梁霖;;利用非线性流形学习的轴承早期故障特征提取方法[J];西安交通大学学报;2010年05期

6 王冠伟;张春霞;庄健;于德弘;;流形学习在机械故障诊断中的应用研究[J];工程数学学报;2012年04期

7 邓蕾;李锋;姚金宝;;基于流形学习和隐Markov模型的故障诊断[J];计算机集成制造系统;2010年10期

8 刘丽娟;陈果;郝腾飞;;基于流形学习与一类支持向量机的滚动轴承早期故障识别方法[J];中国机械工程;2013年05期

9 ;[J];;年期

中国博士学位论文全文数据库 前3条

1 王广斌;基于流形学习的旋转机械故障诊断方法研究[D];中南大学;2010年

2 张绍辉;基于流形学习的机械状态识别方法研究[D];华南理工大学;2014年

3 江丽;基于流形学习的智能诊断方法研究[D];华中科技大学;2013年

中国硕士学位论文全文数据库 前4条

1 胡浩松;基于流形学习的旋转机械故障识别方法研究[D];燕山大学;2015年

2 肖婷;基于流形学习的滚动轴承性能退化趋势预测研究[D];重庆大学;2015年

3 万鹏;基于流形学习的主轴系统故障诊断方法研究[D];北京信息科技大学;2013年

4 陈守海;基于流形学习的滚动轴承早期故障识别方法研究[D];大连理工大学;2014年

，

本文编号：580419