基于 KSLPP 与 RWKNN 的旋转机械故障诊断

摘要：

针对旋转机械高维故障特征集识别精度低的问题，提出基于核监督局部保留投影（Kernel Supervised Locality Preserving Projection，KSLPP）与 ReliefF 特征加权的 K 近邻（ReliefF Weighted K-Nearest Neighbor，RWKNN）分类器相结合的维数约简故障诊断方法。该方法首先应用 KSLPP 提取故障特征集中的非线性信息，同时在降维投影过程中充分利用类别信息，使降维后最小化类内散度，最大化类间分离度；随后，将降维后得到的低维敏感特征集输入 RWKNN 进行模式识别，RWKNN 能够突出不同特征对分类的贡献率，强化敏感特征，弱化不相关特征，提升了分类精度和鲁棒性。最后，通过典型转子实验台的故障特征集验证了该方法的有效性。

关键词：故障诊断、核监督局部保留投影、ReliefF 特征选择、加权 K 近邻分类器

所属期刊栏目：35

分类号：TP18;TH165(自动化基础理论)

资助基金：高等学校博士学科点专项科研基金20136201110004

在线出版日期：2016-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：219-223