基于半监督拉普拉斯特征映射的压缩机故障辨识

• 作者: 朱其新 汪帮富 蒋全胜
• 来源期刊: 自动化仪表
• 学科: 工学
• 关键词: 故障辨识 半监督拉普拉斯特征映射 特征提取 压缩机 流形学习 非线性 分类器
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 智能控制技术及应用
• 页码范围: 18-20,26
• 页数: 4页
• 分类号: TH457|TP206
• 字数: 2453字
• 语种: 中文
• DOI: 10.16086/j.cnki.issn1000-0380.201712005

摘要

旋转机械在现代生产体系中具有不可替代的作用,其故障诊断技术对避免恶性损坏事故的发生显得尤为重要.如何选择和提取有效的故障特征,将直接影响故障辨识的诊断精度.针对旋转机械故障诊断的非线性、非平稳性等特点,结合半监督学习和流形学习思想,提出了一种半监督拉普拉斯特征映射(SSLE)算法,并将其应用于空气压缩机的故障辨识.该方法充分利用少量标签样本和大量无标签样本信息,提取有利于分类的故障样本低维流形特征,并利用最小二乘支持向量机(LS-SVM)分类器进行了故障分类与辨识.采用非线性的特征学习方式,有效提取了故障信号中的敏感特征信息,增强了故障模式识别的分类性能.压缩机故障辨识试验结果表明,与主成分分析(PCA)算法和拉普拉斯特征映射(LE)算法相比,基于SSLE算法的故障辨识性能更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪帮富	苏州科技大学机械工程学院	35	96	5.0	8.0
2	朱其新	苏州科技大学机械工程学院	31	89	5.0	9.0
3	蒋全胜	苏州科技大学机械工程学院	16	22	3.0	4.0