| 基于半监督最大间隔字典学习的故障诊断方法 |
| |
| 引用本文： | 王维刚,陶京,刘占生.基于半监督最大间隔字典学习的故障诊断方法[J].振动．测试与诊断,2019,39(5):1068-1074. |
| |
| 作者姓名： | 王维刚 陶京 刘占生 |
| |
| 作者单位： | (1.东北石油大学机械科学与工程学院 大庆, 163318) (2.哈尔滨工业大学能源科学与工程学院 哈尔滨, 150001) |
| |
| 基金项目： | （国家自然科学基金资助项目(50875056，11472076)；中国石油科技创新基金资助项目(2016D-5007-0606)；东北石油大学“国家基金”培育基金资助项目(2017PYYL-4) |
| |
| 摘 要： | 针对有标记故障样本不足及传统半监督诊断方法识别率低的问题,提出基于半监督最大间隔字典学习算法(semi-supervised max-margin dictionary learning,简称SSMMDL)的故障诊断方法。该方法将无标记样本重构误差项添加至最大间隔字典学习算法模型中,通过最小化无标记样本稀疏重构误差项、有标记样本稀疏重构误差项、支持向量机的损失函数正则项和分类间隔正则项,实现字典和支持向量机的同步学习,从而获得判别能力较强的字典。在此基础上,运用稀疏编码获得测试样本的稀疏表示,利用基于稀疏表示的分类器进行故障识别。通过对转子不同故障进行识别,结果表明所提方法较相关对比算法识别准确率更高,可以满足机械故障在线监测的需要。
|
| 关 键 词： | 故障诊断 支持向量机 稀疏编码 半监督最大间隔字典学习 |
A Novel Fault Diagnosis Method Based on Semi-supervised Max-margin Dictionary Learning |
| |
| WANG Weigang,TAO Jing,LIU Zhansheng.A Novel Fault Diagnosis Method Based on Semi-supervised Max-margin Dictionary Learning[J].Journal of Vibration,Measurement & Diagnosis,2019,39(5):1068-1074. |
| |
| Authors: | WANG Weigang TAO Jing LIU Zhansheng |
| |
| Affiliation: | (1. College of Mechanical Science and Engineering, Northeast Petroleum University Daqing, 163318, China)(2. School of Energy Science and Engineering, Harbin Institute of Technology Harbin, 150001, China) |
| |
| Abstract: | |
| |
| Keywords: | fault diagnosis support vector machine sparse coding semi-supervised max-margin dictionary learning |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《振动．测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动．测试与诊断》下载全文 |
|
