改进模型的自适应NPE算法故障降维辩识

摘要：

针对高维分类数据,提出基于改进模型的自适应邻域保持嵌入(Improved Model-Adaptive Neighborhood Preserving Embedding,IM-ANPE)降维故障辩识方法.通过使用样本集的标签信息,改进NPE算法的低维重构模型,在选择投影方向上关注样本邻域结构不变的同时,保证非同类样本的中心点距离最大化,能够获得辨识度更高的低维特征.采用自适应邻域构造法代替传统的k-NN邻域构造法,用样本集的本征维数作为降维的目标维数,有效避免了NPE算法重要参数选择问题.将得到的低维特征作为概率神经网络的输入实现故障辩识.标准数据集和实测柱塞泵故障的结果表明,IM-ANPE降维法能有效在降维的同时提高故障辩识效果.

关键词：故障辩识、流形学习、自适应、改进邻域保持嵌入

所属期刊栏目：39

分类号：TH165;TN911

在线出版日期：2018-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：97-102