基于随机邻域嵌入的机械故障特征提取方法

《基于随机邻域嵌入的机械故障特征提取方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、来兩扛參硕ｚｂ学位论文基于随机邻域嵌入的机械故障特征提取方法专业名热；祈城制造及巧自动化研究生姓名：柯佳佳：脯ｉ中导师姓名国家自然科学基金项目（Ｎｏ．５１０７５０６９）资助ＭｅｃｈａｎｉｃａｌＦａｕｌｔＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＳｔｏｃｈａｓｔｉｃＮｅｉｈｂｏｒＥｍｂｅｄｄｉｎｇｇＡＴｈ的ｉｓＳｕｂｍｉｔｅｄ化ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎ

2、ｇｉｎｅｅｒｉｎｇＢＹＫＥＪｉａｉａｊＳｕｐｅｒｖｉｓｅｄｂｙＡ化ｏｃｉａｔｅＰｒｏ佐ｓｓｏｒＨＵＪｉａｎｚｈｏｎｇＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＡｐｒｉｌ２０１５东南大学学位论文独御性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用

3、过的材料一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明。与我并表示了谢意。－研究生签名；禾日斯：扣占，抑寺．东南大学学位论文使用授权声明东南大学、、中国科学技术信息研究所国家图书馆有权保留本人所送交学位论文的复印件和电子文巧，可Ｗ采用影印、缩巧或其他复制手段保存论文。本人电子文档的内一。容和纸质论文的内容相致除在保密期内的保密论文外，允许论文彼查阅和借阅，可Ｗ公布（包括Ｗ电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布）（包括Ｗ电子信息形式刊登授权东南大学研究

4、生院办理。研究生签名棘导师答名日期：卿＾基＊于巧化邻域巧入的化械巧亩特征提取方法研究生姓名：柯佳佳导师姓名：胡建中副教授学校名称：东南大学特征提取是机械故障诊断的基础，如何有效地获取故障特征信息是故障诊断领域的研究重点和热点。随着数据挖掘技术的不断发展，数据降维算法被引入到故障诊断领域用于信号的特征提取。、非线性化、复杂性等特点本文针对故障诊断过程故障数据高维数，研究基于随机领域嵌入的机＾故障特征提取方法．相关工作如下：计对欧氏距离＾窩维数据空间中不能提供较大的相对距离差，无法明显体现高

5、维数据对一－象之间差异性的问题，种基于Ｍａｎｈａ化ｎＳＮＥ）提出距离的随化邻域嵌入（Ｍａｎｈａｔａｎ算法。采用Ｍａｎｈａｔａｎ距离衡量高维数据对象之间的相异度，得到高维空间和低维空间数据对象之间相似度的条件概串。ＵＣＩ数据集和仿真故障信号分类识别验证所提改进算法的有效性。一针对随机邻域嵌入算法无法利用现实数据中少量样本标记信息的问题，提出种基于拉普拉斯正则化度量学习的半监督随机邻域嵌入ｅｍｉ－ｓｕｅｒｖｉｓｅｄＳＮＥｓｓ－ＳＮＥ）（ｓｐ，算法。采用拉普拉斯正则化度量学习对距离矩阵进行半监督学习，利用己标记数据提

6、供的信总，重新刻画ＳＮＥ算法的半监督改进。数据点之间的距离，从而实现与其他半监督降维算法的对比分析表明所提改进算法的优越性。随机邻域嵌入算法是一种批处理方法，无法获取高维空间到低维嵌入空间的映射函数，由此导致该算法无法对新增数据进行增量式处理一。本文构造种随机鄉域嵌入算法的增量形式（増量ＳＮＥ算法），寻找新增样本点的Ｋ近邻，使得新增样本的Ｋ近邻的分布形式和Ｋ近邻对应的低维映射的分布形式尽可能匹配，实现新增样本的学习。最后，将上述方法应用于实际齿轮箱故障诊断，结果表明上述方法能够有效提高故障诊断精度，验证了算

7、法在实际故障诊断应用中的可行性。关巧词：随机邻域嵌入；Ｍａｎｈａｔｔａｎ距离：拉普拉斯正则化度量学习；増量学习；故障诊断■国家自巧科学甚金项目（Ｎ〇．５１０Ｗ０６巧资助ＩＡｂｓｔｒａｃｔＭｅｃｈａｎｉｃａｌＦａｕｌｔＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＳｔｏｃｈａｓｔｉｃ＊ＮｅｉｈｂｏｒＥｍｂｅｄｄｉｎｇｇＢＹＫＥｉｉＪａｊａＩＳｕｐｃｒｖｉｓｅｄｂｙＡ巧ｏｃｉａｔｃＰｒｏｆｃ巧ｏｒＨＵＪｉａｎｚｈｏｎｇＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ

8、Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｉｓｔｈｅｂａｓｅｏｆｍａｃｈｉｎｅｆａｕｌｔｄｉａｇｎｏｓｉｓ．Ｈｏｗｔｏｅｘｔｒａｃｔｆａｕｌｔｆｅａｔｕｒｅｅｆｅｃｔｉｖ