机械设计与制造
機械設計與製造
궤계설계여제조
Machinery Design & Manufacture
2015年
9期
201-203,207
,共4页
维数约简%故障数据集%流形学习%加权欧式距离%转子试验台
維數約簡%故障數據集%流形學習%加權歐式距離%轉子試驗檯
유수약간%고장수거집%류형학습%가권구식거리%전자시험태
Dimensionality Reduction%Fault Data Set%Manifold Learning%Weighted Euclidean Distance%Rotor Test-Bed
针对旋转机械的转子故障诊断中原始特征多、难以有效提取振动信号非线性特性的问题,提出一种结合已知故障类别信息进行流形学习降维的新算法—监督邻域保持多项式嵌入(Supervised Neighborhood Preserving Polynomial Embedding,S-NPPE).利用样本点的故障类别信息,改进转子故障特征数据集中样本点间的欧式距离,重新构造样本点邻接图,再对数据集进行非线性降维处理.先介绍流形学习降维理论,然后给出重构邻接图以及S-NPPE算法的基本步骤,结合转子试验台的不同状态下的振动信号,探讨其在转子故障数据集降维中的应用.
針對鏇轉機械的轉子故障診斷中原始特徵多、難以有效提取振動信號非線性特性的問題,提齣一種結閤已知故障類彆信息進行流形學習降維的新算法—鑑督鄰域保持多項式嵌入(Supervised Neighborhood Preserving Polynomial Embedding,S-NPPE).利用樣本點的故障類彆信息,改進轉子故障特徵數據集中樣本點間的歐式距離,重新構造樣本點鄰接圖,再對數據集進行非線性降維處理.先介紹流形學習降維理論,然後給齣重構鄰接圖以及S-NPPE算法的基本步驟,結閤轉子試驗檯的不同狀態下的振動信號,探討其在轉子故障數據集降維中的應用.
침대선전궤계적전자고장진단중원시특정다、난이유효제취진동신호비선성특성적문제,제출일충결합이지고장유별신식진행류형학습강유적신산법—감독린역보지다항식감입(Supervised Neighborhood Preserving Polynomial Embedding,S-NPPE).이용양본점적고장유별신식,개진전자고장특정수거집중양본점간적구식거리,중신구조양본점린접도,재대수거집진행비선성강유처리.선개소류형학습강유이론,연후급출중구린접도이급S-NPPE산법적기본보취,결합전자시험태적불동상태하적진동신호,탐토기재전자고장수거집강유중적응용.
