当前位置:主页 > 科技论文 > 自动化论文 >

全局与局部判别信息融合的转子故障数据集降维方法研究

发布时间:2018-04-08 16:57

  本文选题:故障诊断 切入点:数据可视化 出处:《自动化学报》2017年04期


【摘要】:针对传统的数据降维方法无法兼顾保持全局特征信息与局部判别信息的问题,提出一种核主元分析(Kernel principal component analysis,KPCA)和正交化局部敏感判别分析(Orthogonal locality sensitive discriminant analysis,OLSDA)相结合的转子故障数据集降维方法.该方法首先利用KPCA算法有效降低数据集的相关性、消除冗余属性,由此实现了最大程度地保留原始数据全局非线性信息的作用;然后利用OLSDA算法充分挖掘出数据的局部流形结构信息,达到了提取出具有高判别力低维本质特征的目的.上述方法的特点是通过同时进行的正交化处理可避免局部子空间结构发生失真,采用三维图直观显示出低维结果,以低维特征子集输入最近邻分类器(K-nearest neighbor,KNN)的识别率和聚类分析之类间距Sb、类内距Sw作为衡量降维效果的指标.实验表明该方法能够全面地提取出全局与局部判别信息,使故障分类更清晰,相应地识别准确率得到了明显提升.该研究可为解决高维和非线性机械故障数据集的可视化与分类问题,提供理论参考依据.
[Abstract]:In view of the problem that traditional data dimension reduction methods can not keep both global feature information and local discriminant information,A novel method for reducing the dimension of rotor fault data sets based on Kernel principal component Analysis (KPCA) and orthogonal locality sensitive discriminant Analysis (OLSDA) is presented.Firstly, the KPCA algorithm is used to reduce the correlation of the data set and eliminate the redundant attributes, so that the global nonlinear information of the original data can be preserved as much as possible.Then the local manifold structure information of the data is fully mined by using OLSDA algorithm to extract the essential features with high discriminant power and low dimension.The characteristics of the above methods are that the distortion of local subspace structures can be avoided by simultaneous orthogonal processing, and the low dimensional results can be displayed directly by using 3D images.The recognition rate of K-nearest-neighbor KNNNs and the distance Sb of clustering analysis are input to the subsets of low-dimensional features, and the intra-class distance SW is used as an index to evaluate the effect of dimensionality reduction.The experiments show that the method can extract the global and local discriminant information comprehensively, make the fault classification more clear, and improve the recognition accuracy obviously.The research can provide theoretical reference for the visualization and classification of high dimensional and nonlinear mechanical fault data sets.
【作者单位】: 兰州理工大学机电工程学院;
【基金】:国家自然科学基金(51675253) 教育部高等学校博士学科点专项科研基金(20136201110004)资助~~
【分类号】:TP277

【参考文献】

相关期刊论文 前10条

1 李月仙;韩振南;黄宏臣;宁少慧;;基于拉普拉斯特征映射的旋转机械故障识别[J];振动与冲击;2014年18期

2 苏祖强;汤宝平;刘自然;秦毅;;基于正交半监督局部Fisher判别分析的故障诊断[J];机械工程学报;2014年18期

3 李雅倩;李颖杰;李海滨;张强;张文明;;融合全局与局部多样性特征的人脸表情识别[J];光学学报;2014年05期

4 李娟;王宇平;;考虑局部均值和类全局信息的快速近邻原型选择算法[J];自动化学报;2014年06期

5 陈法法;汤宝平;苏祖强;;基于等距映射与加权KNN的旋转机械故障诊断[J];仪器仪表学报;2013年01期

6 郑建炜;王万良;姚晓敏;石海燕;;张量局部Fisher判别分析的人脸识别[J];自动化学报;2012年09期

7 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

8 艾延廷;费成巍;王志;;基于改进模糊SVM的转子振动故障诊断技术[J];航空动力学报;2011年05期

9 王泽杰;胡浩民;;流形学习算法中的参数选择问题研究[J];计算机应用与软件;2010年06期

10 张沐光;宋执环;;LPMVP算法及其在故障检测中的应用[J];自动化学报;2009年06期

【共引文献】

相关期刊论文 前10条

1 姜景升;王华庆;柯燕亮;向伟;;基于LTSA与K-最近邻分类器的故障诊断[J];振动与冲击;2017年11期

2 张金萍;白广彬;;基于主元分析与KNN算法的旋转机械故障识别方法[J];机械设计与制造;2017年06期

3 赵孝礼;赵荣珍;;全局与局部判别信息融合的转子故障数据集降维方法研究[J];自动化学报;2017年04期

4 许良凤;王家勇;胡敏;林辉;侯登永;崔婧楠;;局部梯度DT-CWT主方向模式的表情识别[J];电子测量与仪器学报;2017年04期

5 陈鹏飞;赵荣珍;彭斌;李坤杰;;等距映射和局部线性嵌入算法集成的转子故障数据集降维方法[J];振动与冲击;2017年06期

6 李勇明;杨刘洋;刘玉川;王品;邱明国;谢文宾;张小恒;;基于语音样本重复剪辑和随机森林的帕金森病诊断算法研究[J];生物医学工程学杂志;2016年06期

7 马立玲;徐发富;王军政;;一种基于改进核Fisher的故障诊断方法[J];化工学报;2017年03期

8 徐倩倩;刘凯;侯和平;徐卓飞;;基于局部均值分解与拉普拉斯特征映射的滚动轴承故障诊断方法[J];中国机械工程;2016年22期

9 邹裕;;云计算平台的海量数据知识提取框架[J];计算机系统应用;2016年11期

10 夏军;裴东;王全州;孙瑜欣;;融合Gabor特征的局部自适应三值微分模式的人脸识别[J];激光与光电子学进展;2016年11期

【二级参考文献】

相关期刊论文 前10条

1 易积政;毛峡;Ishizuka Mitsuru;薛雨丽;;基于特征点矢量与纹理形变能量参数融合的人脸表情识别[J];电子与信息学报;2013年10期

2 王健;冯健;韩志艳;;基于流形学习的局部保持PCA算法在故障检测中的应用[J];控制与决策;2013年05期

3 蒋全胜;李华荣;黄鹏;;一种基于非线性流形学习的故障特征提取模型[J];振动与冲击;2012年23期

4 金标;胡文龙;王宏琦;;基于时空语义信息的视频运动目标交互行为识别方法[J];光学学报;2012年05期

5 谈锐;陈秀宏;;半监督的局部保留投影降维方法[J];计算机工程;2012年06期

6 王文锋;朱书华;冯以浩;丁伟利;;基于局部方向编码的遥感影像平行边缘识别[J];光学学报;2012年03期

7 詹曙;张芝华;叶长明;蒋建国;S.Ando;;三维人脸深度图的流形学习-LOGMAP识别方法[J];电子测量与仪器学报;2012年02期

8 张肃;王文生;;复杂背景下运动目标的光学相关识别[J];光学学报;2012年01期

9 陈法法;汤宝平;董绍江;;基于粒子群优化LS-WSVM的旋转机械故障诊断[J];仪器仪表学报;2011年12期

10 闫德勤;刘胜蓝;李燕燕;;一种基于稀疏嵌入分析的降维方法[J];自动化学报;2011年11期

【相似文献】

相关期刊论文 前1条

1 徐贺贺;陶皖;;一种全局与局部结合的两步式重叠社区挖掘算法[J];安徽工程大学学报;2013年02期

相关重要报纸文章 前6条

1 本报评论员;正确处理好全局与局部的关系[N];林芝报(汉);2011年

2 袁浩;冲破思维定势的樊篱[N];宁夏日报;2010年

3 山东省青岛市民政局课题组;农村社区建设须把握的几个问题[N];中国社会报;2006年

4 记者 左玉丽;省十届人大一次会议期间代表建议意见全部办理完毕[N];甘肃日报;2003年

5 盛军 高艇;善谋全局方全胜[N];中国国防报;2002年

6 陈伯春;在加深理解中推动贯彻落实[N];解放军报;2002年



本文编号:1722505

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1722505.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户7c0e2***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com