基于能量耗损的故障诊断信号分析方法

被引:2
作者
葛爽
谢小鹏
黄博
肖海兵
机构
[1] 华南理工大学汽车摩擦学与故障诊断研究所
基金
广东省自然科学基金;
关键词
流形学习; 扩散映射; 能量耗损; 支持向量机; 故障诊断;
D O I
暂无
中图分类号
TN911.6 [信号分析]; TP18 [人工智能理论];
学科分类号
080401 ; 080402 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对能量耗损的故障诊断方法,提出一种基于流形学习与支持向量机的能量耗损信号分析算法。该算法将采集的能量数据重构到高维空间中,利用扩散映射(Diffusion Maps)的方法提取高维能量信号中的低维流形特征,然后利用支持向量机(SVM)对提取的低维流形特征进行分类,并用分类的准确率作为算法有效性的衡量指标;同时,利用局部切空间排列(LTSA)方法对能量信号进行分析,以比较2种算法对能量信号特征的提取能力。结果表明,基于扩散映射的方法具有更好的低维特征提取效果,从而证明了该算法对于能量耗损信号分析的有效性,为实现基于能量耗损的故障诊断奠定了基础。
引用
收藏
页码:7 / 10+56 +56
页数:5
相关论文
共 13 条
[1]   基于能量损耗的齿轮磨损与振动相关性建模 [J].
冯伟 ;
谢小鹏 ;
刘粲 .
振动测试与诊断., 2010, 30 (04) :458-461+477
[2]   一种基于扩散映射的非线性降维算法 [J].
尚晓清 ;
宋宜美 .
西安电子科技大学学报, 2010, 37 (01) :130-135
[3]  
Nonlinear dimensionality reduction by locally linear embedding. Roweis ST,Saul LK. Science . 2000
[4]  
The Nature of Statistical Learning Theory. Vapnik V. . 1995
[5]   基于主流形识别的非线性时间序列降噪方法及其在故障诊断中的应用 [J].
阳建宏 ;
徐金梧 ;
杨德斌 ;
黎敏 .
机械工程学报, 2006, (08) :154-158
[6]   基于拉普拉斯特征映射的故障模式识别方法 [J].
蒋全胜 ;
贾民平 ;
胡建中 ;
许飞云 .
系统仿真学报, 2008, (20) :5710-5713
[7]  
Diffusion maps for dimensionality reduction with partially labeled samples. Zheng Feng,Song Zhan. The 2 nd Internation-al Conference on Computer and Automation Engineering(ICCAE) . 2010
[8]   基于能量耗损的发动机故障诊断方法研究 [J].
谢小鹏 ;
肖海兵 ;
冯伟 .
润滑与密封, 2011, 36 (05) :1-3+58
[9]   基于流形学习的涡轮泵海量数据异常识别算法 [J].
夏鲁瑞 ;
胡茑庆 ;
秦国军 .
航空动力学报, 2011, 26 (03) :698-703
[10]  
The manifold ways of perception. Seung HS,Lee DD. Science . 2000