| 局部切空间排列和支持向量机的故障诊断模型 |
| |
| 引用本文： | 万鹏,王红军,徐小力.局部切空间排列和支持向量机的故障诊断模型[J].仪器仪表学报,2012,33(12). |
| |
| 作者姓名： | 万鹏 王红军 徐小力 |
| |
| 作者单位： | 1. 北京信息科技大学现代测控技术教育部重点实验室 北京 100192;北京信息科技大学机电工程学院 北京100192
2. 北京信息科技大学现代测控技术教育部重点实验室 北京 100192 |
| |
| 基金项目： | 国家自然科学基金，北京市自然科学基金重点项目，北京市高等学校人才强教 |
| |
| 摘 要： | 提出了一种非线性流形学习和支持向量机的故障诊断模型.基于机电系统振动信号时域与频域的20个特征参数构建高维特征空间,利用局部切空间排列的非线性流形学习算法提取出隐藏其中的低维流形,网格搜索算法进行维数和邻域点参数的优化,实现高维相空间中局部邻域参数的自适应选取,获得机电系统的故障特征.利用K折交叉验证和一对一法构造支持向量机多类故障分类器,采用径向基核函数支持向量机进行机电系统的故障诊断.应用于转子试验台的3种故障状态的识别并与其他故障诊断方法进行分析比较,结果表明基于局部切空间排列和支持向量机的机电系统故障诊断模型诊断精度可达到96.6667％,可以有效提取故障的敏感特征并解决机电系统故障样本缺乏的问题.
|
| 关 键 词： | 机电系统 故障诊断 局部切空间排列算法 支持向量机 网格搜索 |
Fault diagnosis model based on local tangent space alignment and support vector machine |
| |
| Wan Peng
,
Wang Hongjun
,
Xu Xiaoli.Fault diagnosis model based on local tangent space alignment and support vector machine[J].Chinese Journal of Scientific Instrument,2012,33(12). |
| |
| Authors: | Wan Peng Wang Hongjun Xu Xiaoli |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
