科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承故障数据维度过高以及不同特征属性交错导致的故障分类困难，提出了一种基于超图相关距离判别投影(hypergraph correlation distance discriminant projection, HCDDP)的轴承故障数据降维方法。该方法使用超图结构描述了故障样本间的空间结构关系，并利用轴承故障信号的监督信息构建出类内和类间超图；超图更有效地揭示了故障数据的复杂多重结构，相比传统简单图结构更好的表达了故障样本间的内在性质和多元关系；同时，在超图中提出使用皮尔森相关系数构造了一种新的度量来计算高维流形中样本的测地距离，解决了欧氏距离受故障数据取值范围敏感导致的分类不准确问题；超图相关距离判别投影方法具有的非线性数据高阶关联能力更好的解决了轴承故障的分类代价敏感。该方法在美国凯斯西储大学轴承数据集和西安交通大学轴承数据集上进行了验证。试验结果表明，该方法能够有效利用样本间的多元结构关系和判别信息，提高轴承故障的识别率。
- 单位
