發(fā)布時間：2025-01-06 01:54

　　 在采用多源信息進行機床故障診斷時,需要特征降維以降低模型復(fù)雜度,但傳統(tǒng)的特征降維方法因涉及矩陣分解等原因時效性不高。針對此問題,提出一種基于多源信息融合與高斯隨機映射的數(shù)控機床故障診斷方法。該方法針對多源信息的高維度特征,采用高效的隨機映射(RP)方法進行降維,然后將降維后的特征向量輸入到支持向量機(SVM)進行分類識別。實驗表明,在處理高維數(shù)據(jù)時,隨機映射在準確性以及時效性方面優(yōu)勢明顯,利用該方法可以實現(xiàn)機床多種類型故障的高效、準確診斷,具有重要的工程實用價值。

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 基于信息融合的故障診斷方法
    1.1 多源數(shù)據(jù)時間配準
    1.2 特征構(gòu)建與選擇
    1.3 高斯隨機降維與SVM診斷
2 實驗與分析
    2.1 實驗方案設(shè)計
    2.2 實驗數(shù)據(jù)處理與計算
    2.3 實驗結(jié)果分析
        (1)樣本長度對診斷效果影響
        (2)不同降維方法精度和效率比較
        (3)多源數(shù)據(jù)融合前后效果的對比
3 結(jié)論



本文編號：4023609