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

• 作者: 宋涛 李锋 汤宝平
• 来源期刊: 振动与冲击
• 学科: 工学
• 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
• 年，卷（期）: 2013,（5）
• 页码范围: 149-153
• 页数: 5页
• 分类号: TH165.3
• 字数: 4744字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤宝平	重庆大学机械传动国家重点实验室	208	4648	33.0	63.0
2	李锋	四川大学制造科学与工程学院	25	100	6.0	9.0
3	宋涛	重庆大学机械传动国家重点实验室	11	64	5.0	8.0