10.3969/j.issn.1006-1335.2014.05.034
基于LLTSA的转子故障数据集降维方法
特征数据集降维是机械故障智能诊断的关键步骤之一。常见的数据集降维方法难以准确的从高维非线性数据集中获取反映转子运行状态的敏感特征信息，导致故障模式识别精度降低。局部切空间排列算法（LTSA）对部分高维非线性数据集达到较好降维效果。但该算法不适合处理高曲率分布、稀疏不均匀分布等高维数据源。为此，在LTSA算法的基础上结合线性分块思想，提出线性局部切空间排列算法（LLTSA）。该算法充分考虑了数据集的整体与局部结构，将数据样本空间划分为一组最大线性块，使降维后的同类数据具有更好的聚类性。通过高维非线性转子振动数据时域特征数据集对该算法进行验证，结果表明经该算法降维后的数据集具有较好的聚类与分类性能。
振动与波、数据集降维、故障诊断、线性分块、LTSA、LLTSA
TP206(自动化技术及设备)
国家自然科学基金项目50875118，51165019
2014-10-31（万方平台首次上网日期，不代表论文的发表时间）
共6页
150-155
