西北工业大学学报
西北工業大學學報
서북공업대학학보
JOURNAL OF NORTHWESTERN POLYTECHNICAL UNIVERSITY
2015年
2期
251-258
,共8页
多核非负矩阵分解%支持向量机%故障诊断%数据降维
多覈非負矩陣分解%支持嚮量機%故障診斷%數據降維
다핵비부구진분해%지지향량궤%고장진단%수거강유
在机械设备故障诊断研究领域中,系统采集的原始监测数据经过处理得到的结果往往是数据量很大,维数很高的图像数据,因此,从高维图像中获取敏感特征是当前故障诊断领域中面临的一项关键技术。本文提出了基于多核非负矩阵分解的机械设备故障诊断方法,该方法克服了传统故障诊断需对机械设备信号进行特征提取而造成信息丢失,通过应用多核非负矩阵分解方法进行降维,然后结合多核支持向量机实现对降维后的数据直接进行识别。实验证明该方法可降低原始数据特征的维数,提高分类运算的效率以及故障诊断的识别率。
在機械設備故障診斷研究領域中,繫統採集的原始鑑測數據經過處理得到的結果往往是數據量很大,維數很高的圖像數據,因此,從高維圖像中穫取敏感特徵是噹前故障診斷領域中麵臨的一項關鍵技術。本文提齣瞭基于多覈非負矩陣分解的機械設備故障診斷方法,該方法剋服瞭傳統故障診斷需對機械設備信號進行特徵提取而造成信息丟失,通過應用多覈非負矩陣分解方法進行降維,然後結閤多覈支持嚮量機實現對降維後的數據直接進行識彆。實驗證明該方法可降低原始數據特徵的維數,提高分類運算的效率以及故障診斷的識彆率。
재궤계설비고장진단연구영역중,계통채집적원시감측수거경과처리득도적결과왕왕시수거량흔대,유수흔고적도상수거,인차,종고유도상중획취민감특정시당전고장진단영역중면림적일항관건기술。본문제출료기우다핵비부구진분해적궤계설비고장진단방법,해방법극복료전통고장진단수대궤계설비신호진행특정제취이조성신식주실,통과응용다핵비부구진분해방법진행강유,연후결합다핵지지향량궤실현대강유후적수거직접진행식별。실험증명해방법가강저원시수거특정적유수,제고분류운산적효솔이급고장진단적식별솔。
In the fault diagnosis field of mechanical equipment, the result of analyzing the collected monitoring data from the equipment is often the high dimensionality of images which contain mass data;so the method of extracting sensitive feature from the high?dimensional information or image is a key technology. We present a new method for fault diagnosis of mechanical equipment based on Multi?Kernel Non?negative Matrix Factorization ( MKNMF ) , which overcomes the defect that the traditional fault diagnosis of mechanical equipment requires signal feature ex?traction this defect causes loss of information; we reduce dimensions for high dimension information through applying Multi?Kernel Non?negative Matrix Factorization method and then distinguish the dimensionality reduction data with Multi?Kernel Support Vector Machine ( MKSVM) . The experiments and their analysis show preliminarily that this method can reduce the dimensions of the original monitored data and improve the recognition rate of ma?chine fault diagnosis.