基于LTSA与K-最近邻分类器的故障诊断

摘要：

针对局部切空间排列算法(LTSA)的效果受近邻数k值影响较大的缺点,提出基于聚类准则的LTSA与K-最近邻分类器的故障诊断模型.基于振动信号的时域特征构建高维特征矩阵;对高维矩阵进行标准化预处理,依据聚类准则确定局部切空间排列中的最佳近邻数k,运用LTSA提取高维矩阵的低维特征向量;将提取的低维特征向量利用K-最近邻分类器进行故障模式识别.采用轴承诊断实验系统进行验证,结果表明,基于聚类准则的优化方法可有效地克服近邻数k选择的盲目性,提高了局部切空间的降维精度和故障模式识别正确率,其在轴承时域特征维数约简方面,效果优于主成分分析(PCA)与拉普拉斯特征映射(LE),适用于轴承故障诊断.

关键词：局部切空间排列、K-最近邻分类器、聚类准则、故障诊断

所属期刊栏目：36

分类号：TH165+.3;TH133.33

资助基金：国家自然科学基金51675035,51375037

在线出版日期：2017-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：134-139