本文關(guān)鍵詞：鄰域自適應(yīng)增量式PCA-LPP在齒輪箱故障診斷中的應(yīng)用　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： 增量式學(xué)習(xí) 自適應(yīng) 流形學(xué)習(xí) 故障診斷

【摘要】：針對流形學(xué)習(xí)算法的增量處理問題,提出一種鄰域自適應(yīng)增量式PCA-LPP流形學(xué)習(xí)算法,闡述了算法的基本原理以及增量樣本處理方法。對新增樣本的引入,首先根據(jù)已有樣本對協(xié)方差矩陣和相似矩陣進(jìn)行增量更新,而后結(jié)合已有樣本降維結(jié)果對新增樣本降維結(jié)果進(jìn)行估計,最后采用子空間迭代法實現(xiàn)新舊樣本降維結(jié)果的更新。采用齒輪箱故障信號特征向量對鄰域自適應(yīng)增量式PCA-LPP流形學(xué)習(xí)算法進(jìn)行檢驗,結(jié)果表明,鄰域自適應(yīng)增量式PCA-LPP流形學(xué)習(xí)算法降維后特征具有良好的故障分類識別效果。
[Abstract]:A neighborhood adaptive incremental PCA-LPP manifold learning algorithm is proposed for the incremental processing of manifold learning algorithm. The basic principle of the algorithm and the method of incremental sample processing are introduced. Firstly, the covariance matrix and similarity matrix are incrementally updated according to the existing samples. Then the dimension reduction results of the new samples are estimated by using the existing sample dimensionality reduction results. Finally, the subspace iteration method is used to update the new and old sample dimensionality reduction results, and the gearbox fault signal eigenvector is used to test the neighborhood adaptive incremental PCA-LPP manifold learning algorithm, and the results show that. Neighborhood adaptive incremental PCA-LPP manifold learning algorithm has good performance in fault classification and identification after dimensionality reduction.
【作者單位】： 軍械工程學(xué)院火炮工程系;
【基金】：國家自然科學(xué)基金資助項目(50775219) 軍隊科研資助項目
【分類號】：TH132.41;TP181
【正文快照】： 流形學(xué)習(xí)是一類有效的非監(jiān)督數(shù)據(jù)降維方法[1-2],能夠提取嵌入在高維數(shù)據(jù)中的低維特征,為后續(xù)的數(shù)據(jù)分類提供有效的特征降維處理支持。He等[3]在拉普拉斯映射的基礎(chǔ)上,提出一種典型的局部保持投影算法(Locality Preserving Projection,LPP),其能夠在投影過程中保持?jǐn)?shù)據(jù)樣本局部

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 張曉濤;唐力偉;王平;鄧士杰;;基于多尺度正交PCA-LPP流形學(xué)習(xí)算法的故障特征增強(qiáng)方法[J];振動與沖擊;2015年13期

2 肖婷;湯寶平;秦毅;陳昌;;基于流形學(xué)習(xí)和最小二乘支持向量機(jī)的滾動軸承退化趨勢預(yù)測[J];振動與沖擊;2015年09期

3 談超;關(guān)佶紅;周水庚;;基于等角映射的多樣本增量流形學(xué)習(xí)算法[J];模式識別與人工智能;2014年02期

4 王健;馮健;韓志艷;;基于流形學(xué)習(xí)的局部保持PCA算法在故障檢測中的應(yīng)用[J];控制與決策;2013年05期

5 趙振華;郝曉弘;;局部保持鑒別投影及其在人臉識別中的應(yīng)用[J];電子與信息學(xué)報;2013年02期

6 楊慶;陳桂明;童興民;何慶飛;;增量式局部切空間排列算法在滾動軸承故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報;2012年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧士杰;唐力偉;張曉濤;;鄰域自適應(yīng)增量式PCA-LPP在齒輪箱故障診斷中的應(yīng)用[J];振動與沖擊;2017年14期

2 張妮;車立志;吳小進(jìn);;基于數(shù)據(jù)驅(qū)動的故障診斷技術(shù)研究現(xiàn)狀及展望[J];計算機(jī)科學(xué);2017年S1期

3 張峻寧;張培林;華春蓉;吳定海;;滑動軸承摩擦故障趨勢預(yù)測的系統(tǒng)自記憶模型[J];振動與沖擊;2017年11期

4 潘賀豐;朱堅民;;基于異源信號特征融合的刀具磨損狀態(tài)識別[J];電子科技;2017年05期

5 賀德強(qiáng);陳二恒;李笑梅;劉旗揚(yáng);;基于RS-LSSVM的高速列車走行部滾動軸承故障診斷研究[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2017年02期

6 齊梅;李艷秋;;WGC特征描述的人臉表情識別[J];電子測量與儀器學(xué)報;2017年04期

7 梁興柱;林玉娥;許光宇;;無參數(shù)直接正交判別局部差異投影分析算法[J];光電子·激光;2017年02期

8 張曉濤;唐力偉;王平;鄧士杰;;自適應(yīng)鄰域構(gòu)造流形學(xué)習(xí)算法及故障降維診斷[J];振動.測試與診斷;2016年06期

9 馬萍;張宏立;范文慧;;基于局部與全局結(jié)構(gòu)保持算法的滾動軸承故障診斷[J];機(jī)械工程學(xué)報;2017年02期

10 韓曉春;薄翠梅;易輝;古勇;侯衛(wèi)鋒;婁海川;;改進(jìn)的WNPE在苯氯化過程的故障檢測[J];計算機(jī)與應(yīng)用化學(xué);2016年11期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁f，

本文編號：1419018