10.13465/j.cnki.jvs.2014.18.004
基于拉普拉斯特征映射的旋转机械故障识别
针对旋转机械故障特征信号复杂且难以提取有效特征量的问题,提出一种基于拉普拉斯特征映射算法(Laplacian Eigenmap,LE)的旋转机械故障识别方法。对旋转机械三类典型故障的监测信号进行提取和转换得到26个时域和频域特征量,在由此构建的高维特征空间中,利用LE算法进行特征融合,提取隐藏在高维特征空间中的故障本质和规律进行故障样本分类识别。利用二维或三维图像表示提取出的低维结果,以样本识别率及聚类分析中的类间距Sb 和类内距Sw 作为衡量指标,从模式识别的角度进行分析。结果表明:较之主元分析法(principal component analysis,PCA)和核主元分析法(kernel principal component analysis,KPCA),LE方法能够更好地从高维特征空间中提取出有效特征量表征设备运行状态,实现旋转机械典型故障的分类识别。
旋转机械、故障诊断、拉普拉斯特征映射、特征空间的构建、模式识别
TH17
国家自然科学基金资助项目50775157;国家863计划项目2012AA062001;山西省高等学校留学回国人员科研资助项目2011-12;山西省基础研究项目2012011012-1
2014-09-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
21-25,35