10.3969/j.issn.1000-3835.2012.23.025
一种基于非线性流形学习的故障特征提取模型
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.
非线性流形学习、特征提取、故障诊断、Laplacian Eigenmaps算法
31
TH17
国家自然科学基金资助项目51005025;安徽省自然科学基金资助项目11040606M114
2013-04-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
132-136