發(fā)布時(shí)間：2018-04-05 23:07

  本文選題：局部切空間排列　切入點(diǎn)：K-最近鄰分類(lèi)器　出處：《振動(dòng)與沖擊》2017年11期

【摘要】：針對(duì)局部切空間排列算法(LTSA)的效果受近鄰數(shù)k值影響較大的缺點(diǎn),提出基于聚類(lèi)準(zhǔn)則的LTSA與K-最近鄰分類(lèi)器的故障診斷模型�；谡駝�(dòng)信號(hào)的時(shí)域特征構(gòu)建高維特征矩陣;對(duì)高維矩陣進(jìn)行標(biāo)準(zhǔn)化預(yù)處理,依據(jù)聚類(lèi)準(zhǔn)則確定局部切空間排列中的最佳近鄰數(shù)k,運(yùn)用LTSA提取高維矩陣的低維特征向量;將提取的低維特征向量利用K-最近鄰分類(lèi)器進(jìn)行故障模式識(shí)別。采用軸承診斷實(shí)驗(yàn)系統(tǒng)進(jìn)行驗(yàn)證,結(jié)果表明,基于聚類(lèi)準(zhǔn)則的優(yōu)化方法可有效地克服近鄰數(shù)k選擇的盲目性,提高了局部切空間的降維精度和故障模式識(shí)別正確率,其在軸承時(shí)域特征維數(shù)約簡(jiǎn)方面,效果優(yōu)于主成分分析(PCA)與拉普拉斯特征映射(LE),適用于軸承故障診斷。
[Abstract]:Aiming at the disadvantage that the effect of local tangent space permutation algorithm (LTSA) is greatly influenced by the value of nearest neighbor k, a fault diagnosis model of LTSA and K-nearest neighbor classifier based on clustering criterion is proposed.The high dimensional feature matrix is constructed based on the time domain feature of vibration signal, the preprocessing of the high dimensional matrix is carried out, the best nearest neighbor number in local tangent space arrangement is determined according to the clustering criterion, and the low dimensional eigenvector of the high dimensional matrix is extracted by using LTSA.The extracted low dimensional feature vectors are used for fault pattern recognition using K-nearest neighbor classifier.The results show that the optimization method based on clustering criterion can effectively overcome the blindness of nearest neighbor number k selection and improve the dimension reduction accuracy of local tangent space and the correct rate of fault pattern recognition.It is superior to the principal component analysis (PCA) and Laplace feature mapping in reducing the dimension of bearing features in time domain, and is suitable for bearing fault diagnosis.
【作者單位】： 北京化工大學(xué)機(jī)電工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(51675035;51375037)
【分類(lèi)號(hào)】：TH133.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周屹;楊澤雪;邢傳軍;曲天偉;;一種連續(xù)最近鄰查詢(xún)的優(yōu)化方法[J];黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年04期

2 張奮;黃鐵;潘梅森;;不同維數(shù)下空間對(duì)象的反最近鄰查詢(xún)[J];湖南城市學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年01期

3 王恒;;路網(wǎng)中基于預(yù)計(jì)算的跳躍式查詢(xún)最近鄰的算法[J];天津理工大學(xué)學(xué)報(bào);2011年02期

4 楊澤雪;郝忠孝;;空間數(shù)據(jù)庫(kù)中連續(xù)可視反向最近鄰查詢(xún)[J];西南交通大學(xué)學(xué)報(bào);2012年03期

5 吳昊;;最近鄰分類(lèi)的改良模型[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

6 管瑩瑩;肖迎元;李玉坤;;基于路網(wǎng)的連續(xù)K最近鄰查詢(xún)[J];天津理工大學(xué)學(xué)報(bào);2012年06期

7 錢(qián)愛(ài)玲;丁曉峰;盧炎生;李永鋒;樓宋江;;不確定時(shí)間序列數(shù)據(jù)庫(kù)中概率K最近鄰查找[J];南京理工大學(xué)學(xué)報(bào);2013年01期

8 樊守德;郝忠孝;;移動(dòng)點(diǎn)對(duì)象軌跡上k-最近鄰查詢(xún)[J];哈爾濱理工大學(xué)學(xué)報(bào);2008年02期

9 田宏偉,敬忠良,胡士強(qiáng),李建勛;基于多速率運(yùn)動(dòng)模型的多幀最近鄰數(shù)據(jù)關(guān)聯(lián)算法[J];上海交通大學(xué)學(xué)報(bào);2005年03期

10 李婧;;一種改進(jìn)的最近鄰聚類(lèi)算法[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年10期

相關(guān)會(huì)議論文 前10條

1 張曉峰;王麗珍;肖清;趙麗紅;;基于概念劃分的連續(xù)最近鄰查詢(xún)研究[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

2 管猛;張剡;柏文陽(yáng);;基于地表的連續(xù)可見(jiàn)最近鄰查詢(xún)方法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

3 陳璐;高云君;柳晴;陳剛;;受限相互最近鄰查詢(xún)處理[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

4 盛梅紅;沙朝鋒;宮學(xué)慶;嵇曉;周傲英;;道路網(wǎng)絡(luò)環(huán)境中的多對(duì)象最近鄰查詢(xún)[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

5 劉月清;章勇;;一種改進(jìn)的動(dòng)態(tài)最近鄰聚類(lèi)算法[A];全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)會(huì)議論文集（一）[C];2005年

6 李傳文;谷峪;李芳芳;于戈;;一種障礙空間中不確定對(duì)象的連續(xù)最近鄰查詢(xún)方法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

7 劉星毅;;基于歐式距離的最近鄰改進(jìn)算法[A];廣西計(jì)算機(jī)學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

8 劉先康;梁菁;任杰;蔣光慶;;修正最近鄰模糊分類(lèi)算法在艦船目標(biāo)識(shí)別中的應(yīng)用[A];全國(guó)第4屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

9 劉俊嶺;孫煥良;;多維度量空間中發(fā)現(xiàn)相互kNN(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯二[C];2010年

10 余小高;;P2P環(huán)境中k最近鄰搜索算法研究[A];2009年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2009年

相關(guān)博士學(xué)位論文 前8條

1 魏本昌;基于內(nèi)容的大規(guī)模圖像檢索技術(shù)研究[D];華中科技大學(xué);2015年

2 楊澤雪;空間連接及最近鄰變體查詢(xún)研究[D];哈爾濱理工大學(xué);2014年

3 孫冬璞;時(shí)空數(shù)據(jù)庫(kù)多類(lèi)型最近鄰查詢(xún)的研究[D];哈爾濱理工大學(xué);2010年

4 王建峰;基于哈希的最近鄰查找[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

5 張得天;時(shí)間依賴(lài)路網(wǎng)高效k最近鄰查詢(xún)混搭機(jī)制的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

6 杜欽生;高維空間的K最近鄰查詢(xún)及連接問(wèn)題研究[D];吉林大學(xué);2015年

7 張軍旗;支持最近鄰查找的高維空間索引[D];復(fù)旦大學(xué);2007年

8 李艷紅;路網(wǎng)中移動(dòng)對(duì)象最近鄰及反向最近鄰查詢(xún)處理研究[D];華中科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 楊根茂;基于哈希加速的近似最近鄰檢索算法研究[D];浙江大學(xué);2015年

2 原s，

本文編號(hào)：1716875