科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了准确地对旋转机械进行故障诊断，提出了一种新的多核监督流形学习算法(multi-kernel supervised manifold learning，MKSML)。MKSML算法可以有效地对高维故障数据进行特征选择，筛选出区分度高的低维故障特征。借助监督学习的思想，通过增强同类样本的聚集性和不同类样本之间的差异性，提高故障诊断准确率。同时基于所设计的多核函数提出了新的加权邻域图构建方法，能够保留近邻点之间的距离信息和角度信息，有效地抑制故障特征选择时样本中的异常值和噪声的干扰。通过灰狼优化算法调整MKSML算法相应的参数，使算法能够应用于不同类型的旋转机械故障诊断。在此基础上，建立了一种基于MKSML算法的旋转机械故障诊断模型，通过两例实验以及与其他方法的对比验证了所提出算法的准确性和有效性。
- 单位
