多准则融合敏感特征选择和自适应邻域的流形学习故障诊断

摘要：

针对流形学习故障诊断中非敏感特征干扰和邻域大小难以确定的问题，提出了基于 DSmT 多准则融合特征选择和局部集聚系数自适应邻域的流形学习故障诊断方法。利用多种特征评价准则对原始高维特征进行排序，通过 DSmT证据理论对各评价序列进行融合，再根据融合序列选择敏感特征构成优化高维特征集；采用基于局部集聚系数的自适应正交邻域保持嵌入流形学习进行维数约简，得到低维特征集；最后输入到K最近邻分类器进行故障识别。轴承振动故障实验表明了本文所提方法的有效性。

关键词：故障诊断、流形学习、特征选择、自适应邻域

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家自然科学基金项目51275546,51375514;高等学校博士学科点专项科研基金项目20130191130001

在线出版日期：2014-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2415-2422