版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、1故障診斷是保障機(jī)械設(shè)備安全運(yùn)行的有效手段之一。為獲取更加準(zhǔn)確、有效的診斷結(jié)果,就需提取出有價(jià)值的設(shè)備信息。因此,如何有效地挖掘出真實(shí)反映故障信息的數(shù)據(jù)已成為當(dāng)今故障診斷的研究熱點(diǎn)。眾所周知,機(jī)械故障診斷一般被分為三步:信號(hào)采集與處理,故障的特征表達(dá)與模式識(shí)別。數(shù)據(jù)降維又是特征表達(dá)中的關(guān)鍵一步,它可減輕后續(xù)故障模式識(shí)別的壓力,提取出本質(zhì)的故障信息。
研究表明,數(shù)據(jù)的全局與局部信息對(duì)于降維與分類都是有益的。從信息提取的角度出發(fā),
2、傳統(tǒng)的降維算法如PCA、LDA、LPP等,大多是從單一的全局或局部信息角度出發(fā),并不能兼顧全局與局部信息的提取,導(dǎo)致降維與分類效果不佳。針對(duì)上述問(wèn)題,為了使得故障信息保持的更加完善與故障診斷效果更高,本文全局與局部兼顧提取的故障特征集降維工作主要包含以下內(nèi)容:
1)從數(shù)據(jù)的保持結(jié)構(gòu)角度出發(fā),在對(duì)比分析了全局?jǐn)?shù)據(jù)降維方法和局部數(shù)據(jù)降維方法的基礎(chǔ)上,闡述了全局與局部信息對(duì)數(shù)據(jù)降維的重要性。
2)當(dāng)訓(xùn)練樣本不足時(shí),局部信息
3、比全局信息更為重要。為此,提出一種正則化核最大邊界投影(Regularized Kernel Maximum Margin Projection,RKMMP)局部信息的滾動(dòng)軸承故障數(shù)據(jù)集維數(shù)約簡(jiǎn)方法。該方法首先利用RKMMP對(duì)故障樣本集進(jìn)行降維,然后將降維后的低維敏感特征子集輸入到核極限學(xué)習(xí)機(jī)分類器中進(jìn)行故障識(shí)別。滾動(dòng)軸承故障模擬實(shí)驗(yàn)表明:該方法在一定程度上能提升故障診斷的泛化能力與識(shí)別精度。
3)針對(duì)傳統(tǒng)數(shù)據(jù)降維方法無(wú)法兼顧
4、保持全局特征信息與局部判別信息的問(wèn)題,提出一種全新的核主元分析(KPCA)和正交化局部敏感判別分析(OLSDA)相結(jié)合的轉(zhuǎn)子故障數(shù)據(jù)降維方法。該方法首先利用KPCA算法最大程度地保留原始數(shù)據(jù)全局非線性信息的作用;然后利用OLSDA算法充分挖掘出數(shù)據(jù)的局部流形結(jié)構(gòu)信息。轉(zhuǎn)子實(shí)驗(yàn)表明:該方法能夠全面地提取出全局與局部判別信息,使故障分類更清晰、相應(yīng)地識(shí)別準(zhǔn)確率得到了明顯提升。
4)降維的目的是為了保持更全面的故障信息,使故障診斷結(jié)
5、果更精確。但KPCA-OLSDA聯(lián)合降維的方法在一定程度上增加了算法的復(fù)雜度,為盡可能多地保持?jǐn)?shù)據(jù)的內(nèi)在全局與局部信息,提出了一種全局與局部的局部敏感判別分析(Global and Local Locality Sensitive Discriminant Analysis,GLLSDA)維數(shù)約簡(jiǎn)的故障診斷方法。首先,方法從振動(dòng)信號(hào)中提取出多域、多通道的統(tǒng)計(jì)特征參數(shù),構(gòu)建高維故障特征數(shù)據(jù)集;然后,利用所提的GLLSDA對(duì)故障數(shù)據(jù)集進(jìn)行維
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于信息融合的旋轉(zhuǎn)機(jī)械故障識(shí)別方法研究.pdf
- 旋轉(zhuǎn)機(jī)械故障特征提取方法研究.pdf
- 基于多級(jí)信息融合的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于信息融合技術(shù)的旋轉(zhuǎn)機(jī)械故障診斷研究.pdf
- 基于多振動(dòng)信號(hào)信息融合的旋轉(zhuǎn)機(jī)械故障診斷方法.pdf
- 基于振動(dòng)數(shù)據(jù)的旋轉(zhuǎn)機(jī)械故障預(yù)測(cè)方法研究.pdf
- 旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于振動(dòng)信號(hào)的旋轉(zhuǎn)機(jī)械故障特征提取方法研究.pdf
- 基于信息融合的旋轉(zhuǎn)機(jī)械故障診斷分析儀研究與設(shè)計(jì).pdf
- 復(fù)雜工況下旋轉(zhuǎn)機(jī)械故障特征提取方法研究.pdf
- 旋轉(zhuǎn)機(jī)械故障機(jī)理與故障特征提取技術(shù)研究.pdf
- 基于局部線性嵌入的旋轉(zhuǎn)機(jī)械故障診斷研究.pdf
- 基于HHT與盒維數(shù)的旋轉(zhuǎn)機(jī)械故障診斷方法.pdf
- 旋轉(zhuǎn)機(jī)械故障早期識(shí)別方法研究與應(yīng)用.pdf
- 基于粗糙集的旋轉(zhuǎn)機(jī)械故障診斷知識(shí)獲取方法研究.pdf
- 基于EEMD的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于VMD的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于VPMCD的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 旋轉(zhuǎn)機(jī)械故障分析方法與診斷系統(tǒng)研究.pdf
- 旋轉(zhuǎn)機(jī)械故障診斷中微弱信號(hào)特征提取方法研究.pdf
評(píng)論
0/150
提交評(píng)論