本文關鍵詞：基于圖嵌入概率半監(jiān)督判別分析的故障辨識　出處：《機械工程學報》2017年09期 　論文類型：期刊論文

  更多相關文章： 旋轉(zhuǎn)機械 圖嵌入概率半監(jiān)督判別分析 維數(shù)化簡 流形學習 早期故障辨識

【摘要】：針對現(xiàn)有旋轉(zhuǎn)機械早期故障辨識方法在訓練樣本稀少條件下辨識性能極易衰退的關鍵問題,提出基于圖嵌入概率半監(jiān)督判別分析(Graph-implanted probability-based semi-supervised discriminant analysis,GIPSSDA)維數(shù)化簡的早期故障辨識方法。該方法在訓練樣本稀少條件下用GIPSSDA將訓練和待測樣本的高維時、頻域早期故障特征集化簡為類區(qū)分性更好的低維特征矢量,提高了終端學習機優(yōu)化證據(jù)理論K近鄰分類器(Optimized evidence-theoretic k-nearest neighbor classifier,OET-KNNC)對早期故障的辨識精度。GIPSSDA集成了半監(jiān)督鄰接圖嵌入技術,能同時利用待測樣本的類判別信息和局部幾何結構搜索分類的最優(yōu)映射子空間,因此在訓練樣本非常稀少的情況下也能產(chǎn)生較好的分類效果。深溝球軸承早期故障辨識試驗驗證了該早期故障辨識方法的有效性和優(yōu)越性。
[Abstract]:......
【作者單位】： 四川大學制造科學與工程學院;重慶大學機械傳動國家重點實驗室;西南交通大學牽引動力國家重點實驗室;
【基金】：國家自然科學基金青年科學基金(51305283) 中國博士后科學基金(2016M602685)資助項目
【分類號】：TH17
【正文快照】： 0前言*軸承、轉(zhuǎn)子、齒輪等旋轉(zhuǎn)部件是機械裝備的重要組成部分,起到支撐載荷、傳遞運動和動力的關鍵作用。然而這些旋轉(zhuǎn)部件一旦出現(xiàn)故障得不到及時辨識和處理,任由其發(fā)展、擴大,將會引起整臺機械裝備的重大事故以及代價高昂的漫長停工。因此,及時準確地辨識出處于早期發(fā)生階段

【相似文獻】

相關期刊論文 前4條

1 李巍華,史鐵林,楊叔子;基于非線性判別分析的故障分類方法研究[J];振動工程學報;2005年02期

2 肖文斌;陳進;王志陽;周宇;;基于核判別分析的特征約簡方法在故障診斷中的應用[J];礦山機械;2012年03期

3 劉學平,劉光復,段廣洪,劉志峰;拆卸路徑?jīng)Q策時的裝配體判別分析[J];中國機械工程;2003年06期

4 ;[J];;年期

相關會議論文 前1條

1 徐煒新;;判別分析與材料研究[A];2007中國鋼鐵年會論文集[C];2007年

，

本文編號：1349108