10.13465/j.cnki.jvs.2018.16.012
基于独立特征选择与流形学习的故障诊断
为了有效利用特征集所包含的敏感特征进行故障诊断,提出基于独立特征选择(Individual Feature Selection,IFS)与流形学习的故障诊断方法.从多个角度提取振动信号的混合特征,构建原始高维特征集.采用一种改进的核Fisher特征选择方法为每两类故障状态独立选择敏感特征集,并通过线性局部切空间排列(Linear Local Tangent Space Alignment,LLTSA)算法挖掘出可区分度更高的特征子集.采用“一对一”的方法训练多个二类分类支持向量机(Supported Vector Machine,SVM),将得到的低维特征输入多分类故障诊断模型进行识别.液压泵故障诊断实验表明,所提方法具备较高的诊断准确率.
故障诊断、独立特征选择、核Fisher判别分析、流形学习
37
TH165.3;TN911.7
河北省自然科学基金项目E2016506003
2018-12-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
77-82,123