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. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论