本文關(guān)鍵詞：基于正則化核最大邊界投影維數(shù)約簡的滾動軸承故障診斷　出處：《振動與沖擊》2017年14期 　論文類型：期刊論文

  更多相關(guān)文章： 故障診斷 正則化核最大邊界投影 核極限學習機分類器 維數(shù)約簡

【摘要】：針對旋轉(zhuǎn)機械故障診斷中故障樣本獲取困難的現(xiàn)狀,提出一種基于正則化核最大邊界投影(Regularized Kernel Maximum Margin Projection,RKMMP)維數(shù)約簡的滾動軸承故障診斷方法。該方法首先利用RKMMP對小樣本、少標記信息的混合故障樣本集進行訓練降維,然后將降維后的低維敏感特征子集輸入到核極限學習機(Kernel Extreme Learning Machine,KLEM)分類器中進行故障識別。上述方法的特點是所提出的RKMMP能充分利用少量標記樣本信息與大量無標記樣本的故障信息,避免過學習的缺陷,同時通過添加正則化項克服小樣本問題。滾動軸承故障模擬實驗表明:該方法結(jié)合了RKMMP在維數(shù)約簡和KLEM在模式識別上的優(yōu)勢,在一定程度上能提升故障診斷的泛化能力與識別精度。該研究可為解決好故障診斷中樣本獲取困難的問題,提供理論參考依據(jù)。
[Abstract]:......
【作者單位】： 蘭州理工大學機電工程學院;
【基金】：國家自然科學基金(51675253) 高等學校博士學科點專項科研基金(20136201110004)
【分類號】：TH133.33;TP18
【正文快照】： 滾動軸承作為旋轉(zhuǎn)機械中應(yīng)用廣泛且容易損壞的零部件,其運行狀態(tài)正常與否直接影響到系統(tǒng)的工作性能,因此對滾動軸承進行故障診斷有著重大的現(xiàn)實意義[1]。振動信號分析是軸承故障診斷主要手段之一,從非線性、非平穩(wěn)振動信號中提取出能綜合反映故障狀態(tài)的多域量化特征指標的方法

【參考文獻】

相關(guān)期刊論文 前5條

1 楊望燦;張培林;吳定海;陳彥龍;;基于改進半監(jiān)督局部保持投影算法的故障診斷[J];中南大學學報(自然科學版);2015年06期

2 陳紹煒;柳光峰;冶帥;;基于核極限學習機的模擬電路故障診斷研究[J];西北工業(yè)大學學報;2015年02期

3 黃宏臣;韓振南;張倩倩;李月仙;張志偉;;基于拉普拉斯特征映射的滾動軸承故障識別[J];振動與沖擊;2015年05期

4 張文義;于德介;陳向民;;基于信號共振稀疏分解與能量算子解調(diào)的軸承故障診斷方法[J];中國電機工程學報;2013年20期

5 韋佳;楊創(chuàng)新;馬千里;余國先;;基于局部重構(gòu)與全局保持的半監(jiān)督判別分析方法[J];華南理工大學學報(自然科學版);2010年07期

【共引文獻】

相關(guān)期刊論文 前10條

1 張雪英;張樂;孫穎;張衛(wèi);;基于KELM決策融合的語音情感識別[J];電子技術(shù)應(yīng)用;2017年08期

2 趙孝禮;趙榮珍;孫業(yè)北;何敬舉;;基于正則化核最大邊界投影維數(shù)約簡的滾動軸承故障診斷[J];振動與沖擊;2017年14期

3 房立清;呂巖;張前圖;齊子元;;基于半監(jiān)督鄰域自適應(yīng)LLTSA算法的故障診斷[J];振動與沖擊;2017年13期

4 王宇;羅倩;紀厚業(yè);;機電設(shè)備振動信號故障診斷算法研究[J];計算機仿真;2017年05期

5 楊旭;姜銀光;彭開香;高晶晶;童朝南;;雙閉環(huán)直流調(diào)速系統(tǒng)動態(tài)補償控制器的在線優(yōu)化設(shè)計[J];中國電機工程學報;2017年08期

6 季云峰;馮立元;匡亮;;基于改進的有監(jiān)督正交鄰域保持嵌入的故障辨識[J];機械傳動;2017年01期

7 戴耀輝;苗瑞;羅興銘;辛勤;;基于小波變換和高階特征提取的直驅(qū)風機軸承故障診斷方法[J];四川電力技術(shù);2016年06期

8 程國;;基于半監(jiān)督學習的最大間距準則人臉識別[J];成都大學學報(自然科學版);2016年03期

9 何青;褚東亮;張昭;毛新華;;基于LMD切片雙譜和SVM軸承故障診斷研究[J];華北電力大學學報(自然科學版);2016年05期

10 江麗;郭順生;;基于無監(jiān)督判別投影的滾動軸承故障診斷[J];中國機械工程;2016年16期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 蔣全勝;李華榮;黃鵬;;一種基于非線性流形學習的故障特征提取模型[J];振動與沖擊;2012年23期

2 陶新民;曹盼東;宋少宇;付丹丹;;基于兩階段學習的半監(jiān)督SVM故障檢測方法[J];振動與沖擊;2012年23期

3 尹剛;張英堂;李志寧;任國全;范紅波;;基于在線半監(jiān)督學習的故障診斷方法研究[J];振動工程學報;2012年06期

4 楊慶;陳桂明;何慶飛;劉鯖潔;;局部切空間排列算法用于軸承早期故障診斷[J];振動.測試與診斷;2012年05期

5 趙志宏;楊紹普;;基于小波包變換與樣本熵的滾動軸承故障診斷[J];振動.測試與診斷;2012年04期

6 林近山;陳前;;基于非平穩(wěn)時間序列雙標度指數(shù)特征的齒輪箱故障診斷[J];機械工程學報;2012年13期

7 王天金;馮志鵬;郝如江;褚福磊;;基于Teager能量算子的滾動軸承故障診斷研究[J];振動與沖擊;2012年02期

8 陳向民;于德介;任凌志;皮維;;基于線調(diào)頻小波路徑追蹤階比能量解調(diào)的齒輪輪齒裂紋故障診斷[J];中國機械工程;2011年21期

9 張偉;夏利民;羅大庸;;正交流形保持投影方法[J];中南大學學報(自然科學版);2011年03期

10 王澤杰;胡浩民;;流形學習算法中的參數(shù)選擇問題研究[J];計算機應(yīng)用與軟件;2010年06期

，

本文編號：1351439