基于流形学习的涡轮泵海量数据异常识别算法

被引：9

作者：

夏鲁瑞 ^{[1
,2
]}

胡茑庆 ^{[1
]}

秦国军 ^{[1
]}

机构：

[1] 国防科学技术大学机电工程与自动化学院

[2] 装备指挥技术学院航天装备系

来源：

航空动力学报 | 2011年 / 26卷 / 03期

关键词：

涡轮泵; 异常识别; 流形学习; 扩散映射; 海量数据;

D O I：

10.13224/j.cnki.jasp.2011.03.033

中图分类号：

V434.21 [];

学科分类号：

摘要：

为了获取海量试车数据中的信息以分析涡轮泵的健康状态,提出一种基于流形学习的海量数据异常识别算法.该算法将反映涡轮泵状态的振动数据重构到高维空间中,利用扩散映射方法直接对其进行学习,提取出数据内在的低维流形特征,以可视化的方式直观地识别出涡轮泵数据中的异常状态.仿真与试车数据验证结果表明了所提算法的可行性和有效性.该算法克服了传统方法解决非线性问题不足的缺点,为试车后涡轮泵的健康分析提供了一条新的途径.

引用

页码：698 / 703

页数：6

共 4 条

[1] 基于谱图理论的流形学习算法 [J].

罗四维 ;

赵连伟 .

计算机研究与发展, 2006, (07) :1173-1179

[2] Diffusion maps [J].

Coifman, Ronald R. ;

Lafon, Stephane .

APPLIED AND COMPUTATIONAL HARMONIC ANALYSIS, 2006, 21 (01) :5-30

[3]

Diffusion maps, spectral clustering and reaction coordinates of dynamical systems[J] . Boaz Nadler,Stéphane Lafon,Ronald R. Coifman,Ioannis G. Kevrekidis.Applied and Computational Harmonic Analysis . 2006 (1)

[4] Laplacian eigenmaps for dimensionality reduction and data representation [J].

Belkin, M ;

Niyogi, P .

NEURAL COMPUTATION, 2003, 15 (06) :1373-1396

← 1 →