中国机械工程
中國機械工程
중국궤계공정
CHINA MECHANICAl ENGINEERING
2013年
5期
628-633
,共6页
流形学习%一类支持向量机%轴承%故障识别%拉普拉斯特征映射
流形學習%一類支持嚮量機%軸承%故障識彆%拉普拉斯特徵映射
류형학습%일류지지향량궤%축승%고장식별%랍보랍사특정영사
提出了一种基于流形学习与一类支持向量机的轴承早期故障识别方法.首先提取轴承信号的时域参数构成原始特征样本空间;然后采用基于拉普拉斯特征映射算法(Laplacian eigenmap,LE)的流形学习方法对特征样本进行特征压缩,提取出敏感的故障特征;最后采用一类支持向量机对各状态实现分类识别.利用实测的滚动轴承故障数据对算法进行了验证,并将LE方法与主成分分析(PCA)方法进行了比较,结果证明该方法可行.
提齣瞭一種基于流形學習與一類支持嚮量機的軸承早期故障識彆方法.首先提取軸承信號的時域參數構成原始特徵樣本空間;然後採用基于拉普拉斯特徵映射算法(Laplacian eigenmap,LE)的流形學習方法對特徵樣本進行特徵壓縮,提取齣敏感的故障特徵;最後採用一類支持嚮量機對各狀態實現分類識彆.利用實測的滾動軸承故障數據對算法進行瞭驗證,併將LE方法與主成分分析(PCA)方法進行瞭比較,結果證明該方法可行.
제출료일충기우류형학습여일류지지향량궤적축승조기고장식별방법.수선제취축승신호적시역삼수구성원시특정양본공간;연후채용기우랍보랍사특정영사산법(Laplacian eigenmap,LE)적류형학습방법대특정양본진행특정압축,제취출민감적고장특정;최후채용일류지지향량궤대각상태실현분류식별.이용실측적곤동축승고장수거대산법진행료험증,병장LE방법여주성분분석(PCA)방법진행료비교,결과증명해방법가행.