本文關(guān)鍵詞：基于改進(jìn)LLE算法的機(jī)械故障特征壓縮與診斷

  更多相關(guān)文章： 改進(jìn)LLE算法 機(jī)械故障診斷 特征壓縮 子帶能量

【摘要】：局部線性嵌入法(locally linear embedding,LLE)是一種典型的流形學(xué)習(xí)算法。在分析LLE算法的基本計(jì)算思路的基礎(chǔ)上,提出了一種基于最佳分類效果的k和d綜合參數(shù)選擇方法。此方法綜合考慮了故障類內(nèi)和類間的離散度,并以此作為L(zhǎng)LE算法特征壓縮效果的評(píng)價(jià)依據(jù)。根據(jù)LLE算法的局部線性特征保持的基本特點(diǎn),提出了一種增量式LLE算法用于柴油機(jī)機(jī)械故障特征壓縮與診斷中。以平均子帶能量法構(gòu)造特征向量空間,子帶數(shù)目的確定以同種故障類型特征參數(shù)間方差最小為準(zhǔn)則。實(shí)驗(yàn)中,分別使用基于最佳參數(shù)選擇的LLE算法、傳統(tǒng)的主成分分析(principal component analysis,PCA)、增量式LLE算法對(duì)柴油機(jī)特征向量進(jìn)行壓縮,并對(duì)這三種算法的特征壓縮結(jié)果運(yùn)用K近鄰算法(K-nearest neighborm,KNN)進(jìn)行故障診斷與分類。結(jié)果表明基于最佳參數(shù)選擇的LLE算法的診斷分類效果要優(yōu)于傳統(tǒng)的PCA方法,增量式LLE算法也取得良好的分類效果。實(shí)驗(yàn)表明,對(duì)LLE算法進(jìn)行有關(guān)改進(jìn)可以很好地應(yīng)用到機(jī)械故障特征壓縮與診斷中。
【作者單位】： 西安石油大學(xué)機(jī)械工程學(xué)院;
【關(guān)鍵詞】： 改進(jìn)LLE算法 機(jī)械故障診斷 特征壓縮 子帶能量
【基金】：西安石油大學(xué)優(yōu)秀碩士學(xué)位論文培育項(xiàng)目(2014yp130410)資助
【分類號(hào)】：TP391.4;TH17
【正文快照】： (2014yp130410)資助現(xiàn)代機(jī)械狀態(tài)監(jiān)測(cè)和故障診斷的方法很多,其實(shí)質(zhì)都是模式識(shí)別和分類問題,根據(jù)機(jī)械設(shè)備的運(yùn)行信息來識(shí)別機(jī)械設(shè)備的有關(guān)狀態(tài)。機(jī)械故障診斷的關(guān)鍵技術(shù)是信號(hào)的特征提取�，F(xiàn)代機(jī)械設(shè)備越來越復(fù)雜,檢測(cè)信號(hào)又表現(xiàn)為高維非線性。使用有效的降維方法,使高維信號(hào)映

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 胡偉文,苑秉成,劉千里,姜禮平;目標(biāo)信號(hào)特征提取中的特征壓縮及其算法研究[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2005年04期

2 丁世飛,靳奉祥,史忠植;基于PLS的信息特征壓縮算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2005年02期

3 劉瑋;喬新勇;安鋼;;基于人工神經(jīng)網(wǎng)絡(luò)的特征壓縮方法及應(yīng)用[J];裝甲兵工程學(xué)院學(xué)報(bào);2009年03期

4 張德昌;模式識(shí)別中特征壓縮的相關(guān)方法[J];華中工學(xué)院學(xué)報(bào);1983年02期

5 ;[J];;年期

，

本文編號(hào)：546758