本文選題：故障診斷 + 奇異值分解��； 參考：《振動(dòng)工程學(xué)報(bào)》2017年01期

【摘要】：針對變轉(zhuǎn)速、變負(fù)載條件下的電機(jī)故障診斷問題,提出了一種基于自相關(guān)矩陣奇異值分解(Singular Value Decomposition,SVD)的特征提取和遷移學(xué)習(xí)分類器相結(jié)合的診斷方法。對于Hankel矩陣提取的奇異值向量,設(shè)計(jì)了平均曲率區(qū)分度指標(biāo)來描述特征差異性,遷移學(xué)習(xí)TrAdaBoost算法通過迭代過程中調(diào)節(jié)輔助振動(dòng)數(shù)據(jù)的權(quán)重來幫助目標(biāo)數(shù)據(jù)學(xué)習(xí),提升了分類正確率,同時(shí)利用向量夾角余弦進(jìn)行可遷移度檢測從而避免負(fù)遷移。試驗(yàn)結(jié)果表明,SVD無需利用故障先驗(yàn)知識(shí),具有通用性,且遷移學(xué)習(xí)相比傳統(tǒng)機(jī)器學(xué)習(xí)在目標(biāo)振動(dòng)數(shù)據(jù)較少條件下性能得到顯著提升。
[Abstract]:In view of the problem of motor fault diagnosis under variable speed and load condition, a diagnosis method combining feature extraction and migration learning classifier based on Singular Value Decomposition (SVD) is proposed. The average curvature region indexing index is designed for the singular value vector extracted from the Hankel matrix. The migration learning TrAdaBoost algorithm helps the target data learning by adjusting the weight of the auxiliary vibration data in the iterative process, and improves the classification accuracy. At the same time, the vector angle cosine is used to detect the mobility and avoid negative transfer. The experimental results show that the SVD does not need the prior knowledge of the fault, and it is versatile. Compared with traditional machine learning, the performance of transfer learning is significantly improved under the condition of fewer target vibration data.

【作者單位】： 東南大學(xué)儀器科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51575102)
【分類號(hào)】：TM307.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李曉軍;吳辰文;;基于奇異值分解的流量矩陣估算研究[J];蘭州交通大學(xué)學(xué)報(bào);2012年06期

2 梁霖,徐光華,侯成剛;基于奇異值分解的連續(xù)小波消噪方法[J];西安交通大學(xué)學(xué)報(bào);2004年09期

3 溫廣瑞,張西寧,屈梁生;奇異值分解技術(shù)在聲音信息分離中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2003年01期

4 劉恒春,朱德懋,孫久厚;振動(dòng)載荷識(shí)別的奇異值分解法[J];振動(dòng)工程學(xué)報(bào);1990年01期

5 劉獻(xiàn)棟,潘存治,楊紹普;基于奇異值分解的信號(hào)處理方法及其頻譜特征[J];石家莊鐵道學(xué)院學(xué)報(bào);2001年01期

6 李世陽;楊明;李存岑;蔡萍;;基于奇異值分解熵的心率變異性分析(英文)[J];Journal of Shanghai University(English Edition);2008年05期

7 張煥萍;尹佟明;鄭建冬;;基于奇異值分解的致病基因挖掘算法[J];南京航空航天大學(xué)學(xué)報(bào);2013年02期

8 黃浴,季文鐸,袁保宗;基于奇異值分解的長序列圖象運(yùn)動(dòng)估計(jì)[J];北方交通大學(xué)學(xué)報(bào);1997年05期

9 劉獻(xiàn)棟,楊紹普,申永軍,李其漢;基于奇異值分解的突變信息檢測新方法及其應(yīng)用[J];機(jī)械工程學(xué)報(bào);2002年06期

10 段向陽;王永生;蘇永生;;基于奇異值分解的信號(hào)特征提取方法研究[J];振動(dòng)與沖擊;2009年11期

相關(guān)會(huì)議論文 前10條

1 張友民;陳洪亮;戴冠中;;基于奇異值分解的固定區(qū)間平滑新方法[A];1995年中國控制會(huì)議論文集（上）[C];1995年

2 何田;王立清;劉獻(xiàn)棟;朱永波;;基于奇異值分解的信號(hào)處理機(jī)理及其應(yīng)用[A];2008年航空試驗(yàn)測試技術(shù)峰會(huì)論文集[C];2008年

3 張霄;林鴻飛;楊志豪;;基于奇異值分解的蛋白質(zhì)關(guān)系抽取[A];第五屆全國信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

4 曹云麗;郭勤濤;徐堯;周瑾;;基于奇異值分解響應(yīng)面方法的磁軸承轉(zhuǎn)子參數(shù)識(shí)別[A];第11屆全國轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)（ROTDYN2014）論文集（上冊）[C];2014年

5 吳曉穎;吳俊;董濱江;;TK方法在γ譜分析中的應(yīng)用[A];第7屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會(huì)論文集（三）[C];1994年

6 林原;林鴻飛;蘇綏;;一種應(yīng)用奇異值分解的RankBoost排序?qū)W習(xí)方法[A];中國計(jì)算機(jī)語言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

7 金宋友;趙志文;;一種基于奇異值分解盲水印算法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

8 趙衛(wèi)國;翟自勇;王子君;;基于奇異值分解和神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像水印算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

9 岳紅;蔣慰孫;;基于奇異值分解的改進(jìn)Bayes集員辨識(shí)遞推算法[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

10 張景瑞;;基于奇異值分解的SGCMGs輸出誤差分析及操縱律設(shè)計(jì)[A];第三屆全國動(dòng)力學(xué)與控制青年學(xué)者研討會(huì)論文摘要集[C];2009年

相關(guān)碩士學(xué)位論文 前10條

1 相桂芳;MFA與SVD模糊融合的人臉識(shí)別研究[D];合肥工業(yè)大學(xué);2015年

2 聶振國;基于奇異值分解的信號(hào)處理關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2016年

3 夏玉丹;基于S變換和奇異值分解的自動(dòng)癲癇檢測算法[D];山東大學(xué);2016年

4 武慧娟;基于HHT特征提取的雷聲信號(hào)模式識(shí)別[D];陜西師范大學(xué);2016年

5 關(guān)曉勇;基于奇異值分解的狀態(tài)監(jiān)測與故障診斷方法研究[D];大連理工大學(xué);2005年

6 王鋼;基于奇異值分解的機(jī)織物瑕疵檢測算法研究[D];東華大學(xué);2014年

7 Charles Alpha Bangura;[D];湖南大學(xué);2011年

8 鄭安總;奇異值分解在微弱信號(hào)檢測中的應(yīng)用[D];天津大學(xué);2014年

9 趙慧琳;奇異值分解的人臉識(shí)別算法[D];上海海運(yùn)學(xué)院;2002年

10 李科;基于沙米爾和奇異值分解的小波域數(shù)字圖像水印算法研究[D];南昌大學(xué);2010年

，

本文編號(hào)：1786689