基于流形学习和K-最近邻分类器的旋转机械故障诊断方法

被引：31

作者：

宋涛 ^{[1
]}

汤宝平 ^{[1
]}

李锋 ^{[2
]}

机构：

[1] 重庆大学机械传动国家重点实验室

[2] 四川大学制造科学与工程学院

来源：

振动与冲击 | 2013年 / 32卷 / 05期

关键词：

流形学习; 正交邻域保持嵌入; 信息熵; 维数约简; 模式识别;

D O I：

10.13465/j.cnki.jvs.2013.05.022

中图分类号：

TH165.3 [];

学科分类号：

080202 ;

摘要：

针对旋转机械故障诊断需人工干预、精度低、故障样本难以获取等问题,提出基于流形学习和K-最近邻分类器(KNNC)的故障诊断模型。提取振动信号多域信息熵以全面反映设备运行状态并构造高维特征集;利用正交邻域保持嵌入(ONPE)非线性流形学习算法的二次特征提取特性进行维数约简使特征具有更好的聚类特性;基于改进的更适用于小样本分类KNNC进行模式识别,用轴承故障诊断案例证明该模型的有效性。

引用

页码：149 / 153

页数：5

共 8 条

[1] 基于正交邻域保持嵌入特征约简的故障诊断模型 [J].

李锋 ;

汤宝平 ;

董绍江 .

仪器仪表学报, 2011, 32 (03) :621-627

[2] 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

[3] 基于信息熵距的旋转机械振动故障诊断方法 [J].

陈非 ;

黄树红 ;

张燕平 ;

申弢 ;

高伟 .

振动、测试与诊断, 2008, (01) :9-13+74

[4] 基于改进小波神经网络的旋转机械故障诊断 [J].

彭斌 ;

刘振全 .

振动、测试与诊断, 2007, (01) :32-35+84

[5] Application of an intelligent classification method to mechanical fault diagnosis [J].

Lei, Yaguo ;

He, Zhengjia ;

Zi, Yanyang .

EXPERT SYSTEMS WITH APPLICATIONS, 2009, 36 (06) :9941-9948

[6] Diagnosis in process control by signal and information fusion of field instruments [J].

Mesch, F. .

ELEKTROTECHNIK UND INFORMATIONSTECHNIK, 2009, 126 (05) :158-163

[7] Automatic Recognition of Isolated Monophonic Musical Instrument Sounds using kNNC [J].

Ian Kaminskyj ;

Tadeusz Czaszejko .

Journal of Intelligent Information Systems, 2005, 24 :199-221

[8]

Local manifold learningbased k-nearest-neighbor for hyperspectral image classi cation .2 Ma L,Crawford M M,Tian J W. IEEE Transactions on Geoscience and Remote Sensing . 2010

← 1 →