提出基于Laplacian双联最小二乘支持向量机(Laplacian Twin Least Squares Support Vector Machine,LapTLSSVM)半监督模式识别的新型早期故障诊断方法。用时、频域特征集广泛收集旋转机械不同早期故障的特征信息,再用提升半监督局部Fis...提出基于Laplacian双联最小二乘支持向量机(Laplacian Twin Least Squares Support Vector Machine,LapTLSSVM)半监督模式识别的新型早期故障诊断方法。用时、频域特征集广泛收集旋转机械不同早期故障的特征信息,再用提升半监督局部Fisher判别分析(Enhanced Semi-Supervised Local Fisher Discriminant Analysis,ESSLFDA)将高维时、频域特征集约简为具有更好类区分度的低维特征向量,并输入到Lap-TLSSVM中进行早期故障诊断。Lap-TLSSVM引入了包含大量无标签数据信息的流形规则实现半监督学习;其目标函数只含等式约束条件,且用共轭梯度法求解目标函数的线性方程组以加速训练过程。所提出的方法在训练样本非常稀少的情况下具有较高的诊断精度和计算效率。深沟球轴承早期故障诊断实验验证了该方法的有效性。展开更多
针对目前刀具工况监测方法中,有标签刀具工况样本获取成本高,同时大量无标签刀具工况样本被无价值地丢弃的问题,提出了一种基于拉普拉斯支持向量机(Laplacian Support Vector Machine,Lap SVM)的刀具工况在线监测方法。以插铣刀具工况...针对目前刀具工况监测方法中,有标签刀具工况样本获取成本高,同时大量无标签刀具工况样本被无价值地丢弃的问题,提出了一种基于拉普拉斯支持向量机(Laplacian Support Vector Machine,Lap SVM)的刀具工况在线监测方法。以插铣刀具工况监测为例设计了切削实验,Lap SVM利用少量有标签样本的分类约束和大量的无标签样本的流形约束实现刀具工况在线监测。实验结果表明该方法在有标签样本量较少情况下的分类正确率较传统支持向量机有显著提高,具有较好工程应用价值。展开更多
文摘提出基于Laplacian双联最小二乘支持向量机(Laplacian Twin Least Squares Support Vector Machine,LapTLSSVM)半监督模式识别的新型早期故障诊断方法。用时、频域特征集广泛收集旋转机械不同早期故障的特征信息,再用提升半监督局部Fisher判别分析(Enhanced Semi-Supervised Local Fisher Discriminant Analysis,ESSLFDA)将高维时、频域特征集约简为具有更好类区分度的低维特征向量,并输入到Lap-TLSSVM中进行早期故障诊断。Lap-TLSSVM引入了包含大量无标签数据信息的流形规则实现半监督学习;其目标函数只含等式约束条件,且用共轭梯度法求解目标函数的线性方程组以加速训练过程。所提出的方法在训练样本非常稀少的情况下具有较高的诊断精度和计算效率。深沟球轴承早期故障诊断实验验证了该方法的有效性。
