基于半监督PCA-LPP流形学习算法的故障降维辨识

• 作者: 唐力伟 张晓涛 王平 邓士杰
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 流形学习 局部保持投影 主元分析 故障诊断 故障辨识
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 机械工程 ? 控制科学与工程
• 页码范围: 1559-1564
• 页数: 6页
• 分类号: TH165|TN911
• 字数: 3869字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2016.05.015

摘要

提出一种基于半监督思想PCA-LPP的流形学习维数约简故障辨识方法，兼顾PCA的全局结构和LPP的局部结构保持以及样本的类别信息，构造新的投影矩阵目标函数，给出 PCA-LPP 流形学习算法的计算原理。采用UCI中wine数据集验证半监督PCA-LPP方法的维数约简性能，并就齿轮箱故障声发射实验信号，以小波包能量熵作为特征向量，并将特征向量的降维结果输入支持向量机进行故障类型辨识。研究结果表明：半监督PCA-LPP方法的降维结果，能够充分考虑不同故障特征向量的差异信息，相应的故障类型辨识精度高于PCA及LPP方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐力伟	军械工程学院火炮工程系	141	1349	18.0	31.0
2	张晓涛	军械工程学院火炮工程系	25	77	6.0	7.0
3	王平	军械工程学院火炮工程系	25	128	7.0	10.0
4	邓士杰	军械工程学院火炮工程系	40	180	8.0	11.0