基于改进局部线性嵌入算法的故障特征提取方法

被引：3

作者：

胡峰

苏讯

刘伟

吴雨川

范良志

机构：

[1] 武汉纺织大学机械工程与自动化学院

来源：

振动与冲击 | 2015年 / 34卷 / 15期

关键词：

故障; 特征提取; 互相关熵; 局部线形嵌入; 嵌入维数;

D O I：

10.13465/j.cnki.jvs.2015.15.035

中图分类号：

TH165.3 []; TP301.6 [算法理论];

学科分类号：

080202 ; 081202 ;

摘要：

针对局部线性嵌入算法在故障特征提取中易受异常特征值、邻域大小和嵌入维数等因素影响的问题,对局部线性嵌入方法的重构权值估计模型、邻域大小和嵌入维数估计模型进行改进。用互相关熵取代欧式距离用于向量相似度测量,提出基于互相关熵的重构权值估计模型,并且采用拉格朗日展开式和拉格朗日乘子法进行模型简化降低计算复杂度,达到降低异常特征值对特征提取精度影响的目的。应用Ncut准则建立邻域大小和嵌入维数的估计模型,实现参数的自动选取。将改进的局部线性嵌入方法应用于轴承故障特征提取,并与其它方法进行比较,结果表明推荐方法的特征提取精度更高。

引用

页码：201 / 204

页数：4

共 10 条

[1] 基于有监督增量式局部线性嵌入的故障辨识 [J].

李锋 ;

田大庆 ;

王家序 ;

杨荣松 .

振动与冲击, 2013, 32 (23) :82-88

[2] 可变近邻参数的局部线性嵌入算法及其在轴承状态识别中的应用 [J].

张绍辉 ;

李巍华 .

机械工程学报, 2013, 49 (01) :81-87

[3] 基于Fisher变换的植物叶片图像识别监督LLE算法 [J].

阎庆 ;

梁栋 ;

张晶晶 .

农业机械学报, 2012, 43 (09) :179-183

[4] 利用非线性流形学习的轴承早期故障特征提取方法 [J].

栗茂林 ;

王孙安 ;

梁霖 .

西安交通大学学报, 2010, 44 (05) :45-49

[5]

Automated, rapid classification of signals using locally linear embedding[J] . J.M. Nichols,F. Bucholtz,B. Nousain. Expert Systems With Applications . 2011 (10)

[6]

Locally linear embedding based on correntropy measure for visualization and classification[J] . Genaro Daza-Santacoloma,German Castellanos-Dominguez,Jose C. Principe. Neurocomputing . 2011

[7]

GANC: Greedy agglomerative normalized cut for graph clustering[J] . Seyed Salim Tabatabaei,Mark Coates,Michael Rabbat. Pattern Recognition . 2011 (2)

[8]

A new quality assessment criterion for nonlinear dimensionality reduction[J] . Deyu Meng,Yee Leung,Zongben Xu. Neurocomputing . 2010 (6)

[9]

Spectral methods for graph clustering – A survey[J] . Mariá C.V. Nascimento,André C.P.L.F. de Carvalho. European Journal of Operational Research . 2010 (2)

[10]

Quality assessment of dimensionality reduction: Rank-based criteria[J] . John A. Lee,Michel Verleysen. Neurocomputing . 2009 (7)

← 1 →