基于流形学习的旋转机械振动特征提取
流形学习算法是一种非线性的数据降维方法，通过对高维空间数据的学习，可以获得数据的低维几何结构，比传统的维数约简方法更能体现事物的本质。本文采用流形学习算法进行旋转机械振动故障特征提取，建立了基于流型算法的特征识别数学模型，极大地保留振动原始特征的非线性信息。并将提取后的振动特征作为概率神经网络的输入，采用神经网络进行故障诊断。结果表明，基于流形学习的旋转机械振动特征提取方法，有效提高了故障样本的分类能力，提高了故障诊断的精度。
机械振动 故障诊断 特征点提取 数学模型
戈志华 廖光明 刘永凯
华北电力大学能源动力与机械工程学院，北京 102206 山西平朔煤矸石发电有限公司 山西 036800
国内会议
昆明
中文
312-315
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）