基于一种流形学习新算法的转子故障数据集降维研究

doi:10.19356/j.cnki.1001-3997.2015.09.053

CORC > 兰州理工大学 > 兰州理工大学

	基于一种流形学习新算法的转子故障数据集降维研究
	王冠超; 赵荣珍; 张维强
刊名	机械设计与制造
	2015-09-08
期号	2015年09期页码:201-203+207
关键词	维数约简故障数据集流形学习加权欧式距离转子试验台
ISSN号	ISSN：1001-3997
DOI	10.19356/j.cnki.1001-3997.2015.09.053
英文摘要	针对旋转机械的转子故障诊断中原始特征多、难以有效提取振动信号非线性特性的问题,提出一种结合已知故障类别信息进行流形学习降维的新算法—监督邻域保持多项式嵌入(Supervised Neighborhood Preserving Polynomial Embedding,S-NPPE)。利用样本点的故障类别信息,改进转子故障特征数据集中样本点间的欧式距离,重新构造样本点邻接图,再对数据集进行非线性降维处理。先介绍流形学习降维理论,然后给出重构邻接图以及S-NPPE算法的基本步骤,结合转子试验台的不同状态下的振动信号,探讨其在转子故障数据集降维中的应用。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://119.78.100.223/handle/2XXMBERH/6775]
专题	兰州理工大学
作者单位	兰州理工大学机电工程学院
推荐引用方式 GB/T 7714	王冠超,赵荣珍,张维强. 基于一种流形学习新算法的转子故障数据集降维研究[J]. 机械设计与制造,2015(2015年09期):201-203+207.
APA	王冠超,赵荣珍,&张维强.(2015).基于一种流形学习新算法的转子故障数据集降维研究.机械设计与制造(2015年09期),201-203+207.
MLA	王冠超,et al."基于一种流形学习新算法的转子故障数据集降维研究".机械设计与制造 .2015年09期(2015):201-203+207.