振动与冲击
振動與遲擊
진동여충격
JOURNAL OF VIBRATION AND SHOCK
2012年
23期
132-136
,共5页
非线性流形学习%特征提取%故障诊断%Laplacian Eigenmaps算法
非線性流形學習%特徵提取%故障診斷%Laplacian Eigenmaps算法
비선성류형학습%특정제취%고장진단%Laplacian Eigenmaps산법
流形学习作为一种挖掘高维非线性数据内在几何分布特征的有效方法,可用于故障信号的特征提取.针对机械故障诊断中的非线性、故障征兆复杂的诊断问题,提出一种基于非线性流形学习的故障特征提取模型.该模型针对采集样本的不同处理情形,分别运用Laplacian Eigenmaps算法及其增量、监督算法,进行故障样本的特征提取与分类,由于采用非线性的维数约简方式,极大地保留了故障信号中的整体几何结构信息,增强了故障模式识别的分类性能.最后通过工程实例应用,表明了所提特征提取模型的可行性和有效性.
流形學習作為一種挖掘高維非線性數據內在幾何分佈特徵的有效方法,可用于故障信號的特徵提取.針對機械故障診斷中的非線性、故障徵兆複雜的診斷問題,提齣一種基于非線性流形學習的故障特徵提取模型.該模型針對採集樣本的不同處理情形,分彆運用Laplacian Eigenmaps算法及其增量、鑑督算法,進行故障樣本的特徵提取與分類,由于採用非線性的維數約簡方式,極大地保留瞭故障信號中的整體幾何結構信息,增彊瞭故障模式識彆的分類性能.最後通過工程實例應用,錶明瞭所提特徵提取模型的可行性和有效性.
류형학습작위일충알굴고유비선성수거내재궤하분포특정적유효방법,가용우고장신호적특정제취.침대궤계고장진단중적비선성、고장정조복잡적진단문제,제출일충기우비선성류형학습적고장특정제취모형.해모형침대채집양본적불동처리정형,분별운용Laplacian Eigenmaps산법급기증량、감독산법,진행고장양본적특정제취여분류,유우채용비선성적유수약간방식,겁대지보류료고장신호중적정체궤하결구신식,증강료고장모식식별적분류성능.최후통과공정실례응용,표명료소제특정제취모형적가행성화유효성.