轉(zhuǎn)子故障數(shù)據(jù)降維的流形學(xué)習(xí)方法研究.pdf

1、近年來，隨著信息技術(shù)的快速發(fā)展，如何將信息技術(shù)融入旋轉(zhuǎn)機(jī)械設(shè)備，并利用基于數(shù)據(jù)驅(qū)動(dòng)的相關(guān)理論挖掘出能夠?qū)崟r(shí)反映機(jī)械狀態(tài)運(yùn)行的內(nèi)在屬性的方法成了機(jī)械故障診斷發(fā)展的必然趨勢。流形學(xué)習(xí)算法作為一種新的能構(gòu)建出高維空間數(shù)據(jù)結(jié)構(gòu)的非線性數(shù)據(jù)處理算法，已成功應(yīng)用于很多領(lǐng)域，如：數(shù)據(jù)挖掘，數(shù)據(jù)模式辨識(shí)及分類，故障診斷等。然而，等距映射（Isometric Mapping,ISOMAP）和局部線性嵌入算法(Locally linear embeddin

2、g,LLE)這兩種較為經(jīng)典的流形學(xué)習(xí)算法在數(shù)據(jù)處理的過程中也表現(xiàn)出各自的優(yōu)點(diǎn)及缺點(diǎn)。故針對(duì)此現(xiàn)狀，本論文主要將這兩種算法的優(yōu)缺點(diǎn)在核函數(shù)的理論基礎(chǔ)上進(jìn)行融合，進(jìn)而提出了一種新的能夠兼顧這兩種算法特點(diǎn)的KISOMAPLLE算法。主要的研究成果如下：
　?。?）將兩種算法在核框架下進(jìn)行融合，提出了一種新的KISOMAPLLE算法，并將其成功應(yīng)用于六大人工數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明，該算法在人工數(shù)據(jù)集中能夠成功實(shí)現(xiàn)降維外，而且具有對(duì)鄰域的選擇

3、及噪聲的敏感性較弱、魯棒性較強(qiáng)的特點(diǎn)。
　?。?）將KISOMAPLLE算法與其他7種算法應(yīng)用于原始轉(zhuǎn)子故障特征集，并進(jìn)行數(shù)據(jù)降維及比較分析。實(shí)驗(yàn)結(jié)果顯示，本文算法相較于其他幾種算法有較高的故障模式辨識(shí)準(zhǔn)確率。
　?。?）對(duì)該算法和其他幾種算法在轉(zhuǎn)子故障數(shù)據(jù)集中隨鄰域變化關(guān)系進(jìn)行了相關(guān)研究。實(shí)驗(yàn)結(jié)果表明，本文算法相較于其他幾種算法對(duì)鄰域選擇敏感性較弱，與其在人工數(shù)據(jù)集實(shí)驗(yàn)結(jié)果有相同的結(jié)論，繼而驗(yàn)證了該算法對(duì)解決實(shí)際問題有一定