基于正交邻域保持嵌入特征约简的故障诊断模型
提出一种基于正交邻域保持嵌入(orthogonal neighborhood preserving embedding,ONPE)特征约简的故障诊断模型.首先将原振动信号经验模式分解(empirical mode decomposition,EMD)并构造Shannon熵得到高维特征向量,再利用ONPE将高维特征向量约简为低维特征向量,并输入到最近邻分类器(k-nearest neighbors classifier,KNNC)中进行故障识别.本模型充分利用了EMD分解在故障特征提取、ONPE在信息压缩和KNNC在分类决策方面的优势,实现了旋转机械故障特征提取到故障诊断的全程自动化,并提高了诊断精度,为旋转机械故障诊断提供了一种新的模型分析方法.一个滚动轴承故障诊断实例验证了该模型的有效性.
正交邻域保持嵌入、流形学习、特征约简、最近邻分类器、经验模式分解、故障诊断
32
TH165.3;TN911.2
中央高校基本科研业务费CDJZR10118801
2011-07-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
621-627
