机械故障的稀疏流形聚类与嵌入诊断方法

• 作者: 段腾飞 王江萍
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 稀疏流形聚类与嵌入 流形学习 故障诊断
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 1582-1588
• 页数: 7页
• 分类号: TH17
• 字数: 4458字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.2017.1016

摘要

传统流形学习算法中邻域尺寸是固定的,在故障诊断中并不恰当.本文中提出了一种基于新型流形学习算法稀疏流形聚类与嵌入(SMCE)的机械故障诊断方法来解决这个问题.SMCE通过求解稀疏优化问题自动确定邻域的大小,将传统流形学习中邻域尺寸选择变为优化问题的惩罚系数选择,进而从高维非线性观测数据中提取流形结构.利用SMCE从轴承和齿轮振动信号中提取特征进行诊断,实验表明,所提方法可以较好的提取故障信号内在的几何结构,应用无监督的谱聚类和有监督的支持向量机进行诊断准确率均高于98％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王江萍	西安石油大学机械工程学院	63	531	11.0	20.0
2	段腾飞	西安石油大学机械工程学院	7	3	1.0	1.0