基于流形学习和K-最近邻分类器的旋转机械故障诊断方法

摘要：

针对旋转机械故障诊断需人工干预、精度低、故障样本难以获取等问题,提出基于流形学习和K-最近邻分类器(KNNC)的故障诊断模型.提取振动信号多域信息熵以全面反映设备运行状态并构造高维特征集；利用正交邻域保持嵌入(ONPE)非线性流形学习算法的二次特征提取特性进行维数约简使特征具有更好的聚类特性；基于改进的更适用于小样本分类KNNC进行模式识别,用轴承故障诊断案例证明该模型的有效性.

关键词：流形学习、正交邻域保持嵌入、信息熵、维数约简、模式识别

所属期刊栏目：32

分类号：TH165.3

资助基金：国家自然科学基金资助项目51275546;重庆市自然科学基金杰出青年基金项目CQ cstc2011jjjq70001

在线出版日期：2013-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：149-153