發(fā)布時(shí)間：2017-12-29 06:24

  本文關(guān)鍵詞：機(jī)械故障診斷中的流形學(xué)習(xí)方法研究　出處：《西安石油大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 流形學(xué)習(xí) 改進(jìn)LLE算法 特征壓縮 故障診斷

【摘要】：機(jī)械故障診斷的方法很多,其實(shí)質(zhì)是模式識(shí)別和分類問題。機(jī)械故障診斷的關(guān)鍵技術(shù)是信號(hào)的特征提取和壓縮。目前常用的線性信號(hào)分析方法對(duì)于機(jī)械設(shè)備運(yùn)行中的非線性信號(hào)處理有很大的局限性。流形學(xué)習(xí)是一種良好的處理非線性高維數(shù)據(jù)的機(jī)器學(xué)習(xí)算法。將流形學(xué)習(xí)應(yīng)用到機(jī)械故障診斷中,可以較好的解決高維信號(hào)特征空間的特征壓縮問題,為故障分類提供良好的依據(jù)。論文在分析幾種流形學(xué)習(xí)算法在經(jīng)典數(shù)據(jù)中降維效果的基礎(chǔ)上,選擇局部線性嵌入法(LLE)作為研究的重點(diǎn)。針對(duì)流形學(xué)習(xí)在機(jī)械故障診斷中應(yīng)用存在的一些問題,結(jié)合機(jī)械故障診斷信號(hào)處理的特點(diǎn),提出了基于最佳分類效果的參數(shù)綜合選擇方法,此方法可以將鄰域因子k和嵌入維數(shù)d同時(shí)進(jìn)行最佳選擇。為了準(zhǔn)確快速的對(duì)新增樣本進(jìn)行特征壓縮與診斷,提出了基于局部拓?fù)浔３值母倪M(jìn)LLE算法,此方法充分利用LLE降維后保留的原始特征空間中的局部拓?fù)浣Y(jié)構(gòu)信息,避免對(duì)所有數(shù)據(jù)重復(fù)計(jì)算。討論改進(jìn)LLE算法在機(jī)械故障診斷中應(yīng)用的過程和注意事項(xiàng),選擇K最近鄰分類器(KNN)作為L(zhǎng)LE算法特征壓縮后故障診斷的分類準(zhǔn)則。論文將改進(jìn)的LLE算法應(yīng)用到齒輪箱故障、柴油機(jī)油路故障、柴油機(jī)機(jī)械故障的診斷中。對(duì)齒輪箱和柴油機(jī)運(yùn)轉(zhuǎn)振動(dòng)信號(hào),采用基于子帶能量的方法構(gòu)造信號(hào)特征空間,子帶數(shù)目通過同種故障類型特征參數(shù)間方差最小擇優(yōu)選擇法確定。對(duì)柴油機(jī)燃油系統(tǒng)的油壓信號(hào),采用基于油壓波形參數(shù)的方法構(gòu)造信號(hào)特征空間。通過對(duì)齒輪箱振動(dòng)信號(hào)、柴油機(jī)振動(dòng)信號(hào)、柴油機(jī)油壓信號(hào)分別進(jìn)行特征壓縮和故障診斷的結(jié)果可以看出:論文提出的改進(jìn)LLE算法在信號(hào)的特征壓縮和分類上應(yīng)用效果良好,為機(jī)械故障診斷提出了一種新的解決問題的思路。
[Abstract]:......
【學(xué)位授予單位】：西安石油大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH17

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 孫美玲;朱春吉;岳曉峰;谷文超;;時(shí)域同步平均在振動(dòng)信號(hào)分析中的應(yīng)用[J];長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

2 向丹;葛爽;;一種基于小波包樣本熵和流形學(xué)習(xí)的故障特征提取模型[J];振動(dòng)與沖擊;2014年11期

3 何清;李寧;羅文娟;史忠植;;大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J];模式識(shí)別與人工智能;2014年04期

4 張強(qiáng);蔡云澤;許曉鳴;;Orthogonal Discriminant Improved Local Tangent Space Alignment Based Feature Fusion for Face Recognition[J];Journal of Shanghai Jiaotong University(Science);2013年04期

5 Min DU;Xing-shu CHEN;;Accelerated k-nearest neighbors algorithm based on principal component analysis for text categorization[J];Journal of Zhejiang University-Science C(Computers & Electronics);2013年06期

6 蔣全勝;李華榮;黃鵬;;一種基于非線性流形學(xué)習(xí)的故障特征提取模型[J];振動(dòng)與沖擊;2012年23期

7 劉嘉敏;周曉莉;朱晟君;王會(huì)巖;羅甫林;;基于LLE及其改進(jìn)算法的人耳識(shí)別[J];光電工程;2012年12期

8 劉海紅;周聰輝;;半監(jiān)督拉普拉斯特征映射算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年02期

9 栗茂林;梁霖;王孫安;莊健;;基于連續(xù)小波系數(shù)非線性流形學(xué)習(xí)的沖擊特征提取方法[J];振動(dòng)與沖擊;2012年01期

10 郝智勇;賀明科;譚文堂;張健東;;基于多維標(biāo)度法的專利文本可視化聚類研究[J];計(jì)算機(jī)應(yīng)用研究;2010年12期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 雷迎科;流形學(xué)習(xí)算法及其應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 劉麗娟;基于流形學(xué)習(xí)與一類分類的故障診斷方法及其應(yīng)用研究[D];南京航空航天大學(xué);2012年

2 孫麗萍;流形學(xué)習(xí)算法ISOMAP的改進(jìn)與實(shí)現(xiàn)[D];大連理工大學(xué);2010年

3 陸捷榮;基于流形學(xué)習(xí)與D-S證據(jù)理論的語(yǔ)音情感識(shí)別研究[D];江蘇大學(xué);2010年

4 張曉麗;基于自組織映射網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷研究[D];山東科技大學(xué);2008年

5 劉建;高維數(shù)據(jù)的本征維數(shù)估計(jì)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

，

本文編號(hào)：1349178