有监督LLTSA特征约简旋转机械故障诊断 被引量：11

1

作者 苏祖强 汤宝平 +1 位作者 邓蕾 尹爱军 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第8期1766-1771,共6页

线性局部切空间排列(LLTSA)为无监督特征约简方法,对多域故障特征集进行维数约简,会导致故障解耦不完全、故障间仍然存在混叠。针对这个问题,提出有监督线性局部切空间排列(S-LLTSA)特征约简方法,将类判别信息融入特征约简过程,实现了... 线性局部切空间排列(LLTSA)为无监督特征约简方法,对多域故障特征集进行维数约简,会导致故障解耦不完全、故障间仍然存在混叠。针对这个问题,提出有监督线性局部切空间排列(S-LLTSA)特征约简方法,将类判别信息融入特征约简过程,实现了数据集本征结构与类判别信息的有机结合,可提取出最优低维敏感故障特征向量;并通过自适应近邻分类器(ANNC)来构建故障特征向量与故障类别的对应关系。S-LLTSA特征约简有效地增加了故障特征的可辨识性,而ANNC具有优异的模式辨识能力,进一步提高了故障诊断的精度。齿轮箱故障模拟实验验证了提出的旋转机械故障诊断方法的有效性。 展开更多

关键词 旋转机械 故障诊断 维数约简 有监督线性局部切空间排列 自适应邻域分类器

在线阅读 下载PDF 职称材料

基于LTSA和MICA与PCA联合指标的过程监控方法及应用 被引量：9

2

作者 江伟 王昕 王振雷 《化工学报》 EI CAS CSCD 北大核心 2015年第12期4895-4903,共9页

独立成分分析(ICA)方法主要被用来对线性非高斯过程进行监控,为了提高对非高斯过程的监控效果,则利用过程数据信息对ICA的监控指标进行了改进,提出了一种改进的独立成分分析(MICA)方法。许多实际工业过程数据都具有非线性、非高斯与高... 独立成分分析(ICA)方法主要被用来对线性非高斯过程进行监控,为了提高对非高斯过程的监控效果,则利用过程数据信息对ICA的监控指标进行了改进,提出了一种改进的独立成分分析(MICA)方法。许多实际工业过程数据都具有非线性、非高斯与高斯混合分布的特点,为此提出了一种基于LTSA和MICA与PCA联合指标的过程监控的方法。首先采用局部切空间排列(LTSA)算法对样本数据进行非线性降维,然后分别用MICA和PCA方法得到非高斯与高斯统计量,对其进行加权得到新的统计量,并被用于过程监控。最后将该方法应用在田纳西-伊斯曼(TE)过程和乙烯裂解炉的过程监控中,证明了该方法的有效性。 展开更多

关键词 算法 主元分析 过程控制 非高斯 改进的独立成分分析 局部切空间排列算法 联合指标

在线阅读 下载PDF 职称材料

带标志点的LTSA算法及其在轴承故障诊断中的应用 被引量：3

3

作者 杨庆 陈桂明 +1 位作者 江良洲 何庆飞 《振动工程学报》 EI CSCD 北大核心 2012年第6期732-738,共7页

针对非监督式流形学习算法面临的增量式学习问题,提出一种带标志点的增量式局部切空间排列算法。该方法在局部切空间排列算法的基础上,利用最小角度回归算法从原始训练样本中选取标志点,以选取的标志点和新增样本建立所有样本的全局坐... 针对非监督式流形学习算法面临的增量式学习问题,提出一种带标志点的增量式局部切空间排列算法。该方法在局部切空间排列算法的基础上,利用最小角度回归算法从原始训练样本中选取标志点,以选取的标志点和新增样本建立所有样本的全局坐标矩阵,利用原始样本低维嵌入坐标和全局坐标矩阵对新增样本的低维嵌入坐标进行估计,并采用全局坐标矩阵特征值迭代方法更新所有样本的低维嵌入坐标。滚动轴承4种不同状态振动数据样本的增量式识别结果表明,本方法在实现局部切空间排列算法增量式学习的基础上,保持了对滚动轴承不同状态样本较高的类别可分性测度。 展开更多

关键词 局部切空间排列算法 最小角度回归算法 增量式学习 模式识别 滚动轴承

在线阅读 下载PDF 职称材料

基于流形学习的泛化改进的LTSA算法 被引量：7

4

作者 崔鹏 张雪婷 《计算机工程与应用》 CSCD 北大核心 2017年第3期201-204,230,共5页

在数据稀疏、数据非均匀分布和数据流形具有较大曲率的情况下,传统的局部切空间方法不能够有效地揭示流形结构。提出了一种泛化的ILTSA(GILTSA)流形学习方法,该方法以改进的局部切空间排列算法(ILTSA)为基础,在解决流形结构问题的同时,... 在数据稀疏、数据非均匀分布和数据流形具有较大曲率的情况下,传统的局部切空间方法不能够有效地揭示流形结构。提出了一种泛化的ILTSA(GILTSA)流形学习方法,该方法以改进的局部切空间排列算法(ILTSA)为基础,在解决流形结构问题的同时,不仅能够获得用于人脸识别更好的低维特征,而且能有效地处理日益增加的数据集的问题。该方法首先基于样品间距离选择近邻集,实现训练集的低维流形,为每个新样本寻找最近的样本训练集。然后结合ILTSA算法,根据其最近样本投影距离计算低维流形。在ORL的人脸图像数据库的实验、Swiss roll和手书的"2"等实验结果表明,与局部线性嵌入和局部切空间排列算法等相比,GILTSA方法增加了整体精度。 展开更多

关键词 改进的局部切空间排列(Iltsa) 人脸识别 流形学习 可泛化

在线阅读 下载PDF 职称材料

基于LTSA的ICA方法及其在化工过程监控中的应用 被引量：1

5

作者 张少捷 王振雷 钱锋 《化工进展》 EI CAS CSCD 北大核心 2010年第10期1840-1844,共5页

独立成分分析(ICA)方法在线性非高斯过程的监控领域得到了成功应用,当过程数据非线性较强时效果不理想。局部切空间排列(LTSA)方法能够从在高维空间中呈现高度扭曲的数据集中发现隐含在其中的非线性结构。本文结合ICA和LTSA二者的优点,... 独立成分分析(ICA)方法在线性非高斯过程的监控领域得到了成功应用,当过程数据非线性较强时效果不理想。局部切空间排列(LTSA)方法能够从在高维空间中呈现高度扭曲的数据集中发现隐含在其中的非线性结构。本文结合ICA和LTSA二者的优点,提出LTSA-ICA过程监控方法,首先用LTSA从高维数据空间中提取出低维子流形,然后在这个低维子流形上执行线性ICA算法,在保留ICA对非高斯过程处理优势的同时,较好地解决了非线性的问题。在田纳西-伊斯曼(TE)过程上的仿真表明上述方法的有效性。 展开更多

关键词 局部切空间排列 独立成分分析 过程监控 非线性

在线阅读 下载PDF 职称材料

基于邻域自适应LLTSA维数约简的故障诊断方法研究 被引量：3

6

作者 徐琼燕 吴印华 《机械强度》 CAS CSCD 北大核心 2018年第1期27-32,共6页

针对线性局部切空间排列(LLTSA)在进行故障特征降维时邻域大小难以确定的问题,提出了基于邻域自适应线性局部切空间排列(NA-LLTSA)维数约简的故障诊断方法。即首先从机械振动信号中全面提取出高维的混合故障特征集;其次采用基于Parzen... 针对线性局部切空间排列(LLTSA)在进行故障特征降维时邻域大小难以确定的问题,提出了基于邻域自适应线性局部切空间排列(NA-LLTSA)维数约简的故障诊断方法。即首先从机械振动信号中全面提取出高维的混合故障特征集;其次采用基于Parzen窗概率密度的邻域自适应线性局部切空间排列进行维数约简,获得低维特征;最后通过支持向量机(SVM)来建立低维特征与故障类别的对应关系,实现故障诊断。NA-LLTSA维数约简增强了故障特征的辨识能力,而SVM优异的模式识别能力能够进一步提高故障诊断精度。滚动轴承的故障诊断实例验证了所提故障诊断方法的有效性。 展开更多

关键词 故障诊断 维数约简 邻域自适应线性局部切空间排列 支持向量机

在线阅读 下载PDF 职称材料

LTSA和深度置信网络的行星齿轮箱故障诊断 被引量：7

7

作者 王建国 刘冀韬 《机械设计与制造》 北大核心 2022年第1期5-8,共4页

针对行星齿轮箱振动信号维度高,传统故障诊断方法识别精度低的问题,提出一种基于局部切空间排列算法(Local Tangent Space Alignment,LTSA)和深度置信网络(Deep Belief Network,DBN)的行星齿轮箱故障诊断方法。首先,利用PCA算法预估高... 针对行星齿轮箱振动信号维度高,传统故障诊断方法识别精度低的问题,提出一种基于局部切空间排列算法(Local Tangent Space Alignment,LTSA)和深度置信网络(Deep Belief Network,DBN)的行星齿轮箱故障诊断方法。首先,利用PCA算法预估高维数据的内在维度,确定目标数据的内在维数;其次,根据目标数据的内在维数结合LTSA算法对高维数据集进行约简,并划分测试集和训练集;最后,利用训练集训练DBN模型参数,获得行星齿轮箱故障辨识模型,并将测试集输入辨识模型实现行星齿轮箱故障辨识。实验结果表明,所提方法实现高维数据降维的同时,也提升了智能诊断模型的分类精度。 展开更多

关键词 行星齿轮箱 深度置信网络 局部切空间排列 状态辨识 故障诊断

在线阅读 下载PDF 职称材料

KPCA与LTSA融合的转子故障数据集降维算法 被引量：3

8

作者 赵荣珍 陈昱吉 《兰州理工大学学报》 CAS 北大核心 2021年第1期36-40,共5页

针对核主成分分析(kernel principal component analysis,KPCA)和局部切空间排列算法(local tangent space,LTSA)在降维过程中无法兼顾保持数据全局结构特性和局部结构特性的问题,利用核函数的可线性叠加性质,提出一种将KPCA算法与LTSA... 针对核主成分分析(kernel principal component analysis,KPCA)和局部切空间排列算法(local tangent space,LTSA)在降维过程中无法兼顾保持数据全局结构特性和局部结构特性的问题,利用核函数的可线性叠加性质,提出一种将KPCA算法与LTSA算法融合的非线性降维算法.该算法能使故障数据集经过降维后同时保持数据样本间的全局距离关系和局部邻域关系.应用验证表明:本算法可以准确地提取故障数据集中所包含的全局与局部结构特征模式,使故障分类的结果更明晰、更准确、更有效. 展开更多

关键词 核主成分分析 局部切空间排列 数据降维 故障分类

在线阅读 下载PDF 职称材料

增量LTSA算法在转子故障数据集降维中的应用

9

作者 胡常安 袁德强 +1 位作者 王彭 杜文波 《噪声与振动控制》 CSCD 2015年第1期230-234,共5页

针对传统流形学习算法不具有增量学习能力;故难以处理新增数据与大规模海量数据集的问题,由此,提出一种用于机械转子故障数据集降维的增量局部切空间的排列算法(ILTSA)。该算法首先采用局部切空间排列算法对原始训练样本进行降维处理,... 针对传统流形学习算法不具有增量学习能力;故难以处理新增数据与大规模海量数据集的问题,由此,提出一种用于机械转子故障数据集降维的增量局部切空间的排列算法(ILTSA)。该算法首先采用局部切空间排列算法对原始训练样本进行降维处理,获得其低维流形结构,然后通过增量学习算法对新增样本进行处理。得到所有数据的低维嵌入坐标,最后通过转子故障数据集验证了该方法的有效性,取得了良好的分类效果,有利于实时动态故障监测与诊断。 展开更多

关键词 振动与波 故障诊断 人工智能理论 转子 局部切空间排列算法

在线阅读 下载PDF 职称材料

基于LTSA与K-最近邻分类器的故障诊断 被引量：12

10

作者 姜景升 王华庆 +1 位作者 柯燕亮 向伟 《振动与冲击》 EI CSCD 北大核心 2017年第11期134-139,共6页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于LTSA和联合指标的非高斯过程监控方法及应用 被引量：7

11

作者 杨正永 王昕 王振雷 《化工学报》 EI CAS CSCD 北大核心 2015年第4期1370-1379,共10页

很多实际工业过程数据都具有高维、非线性且不严格服从高斯分布等特点。为处理数据维数高且是高斯分布和非高斯分布的混合体等问题,实现高效的过程监控,提出了一种基于LTSA和联合指标的非高斯过程监控方法。首先采用局部切空间排列(LTSA... 很多实际工业过程数据都具有高维、非线性且不严格服从高斯分布等特点。为处理数据维数高且是高斯分布和非高斯分布的混合体等问题,实现高效的过程监控,提出了一种基于LTSA和联合指标的非高斯过程监控方法。首先采用局部切空间排列(LTSA)算法从正常样本数据中提取低维子流形以实现维数约减;然后基于非高斯-高斯两步策略建立统计模型并得到非高斯统计量和高斯统计量,再对其进行加权得到新的统计量以实现对过程的监控;最后将该方法应用于田纳西-伊斯曼标准测试平台和实际乙烯裂解炉的过程监控,说明了所提方法的有效性。 展开更多

关键词 算法 集成 系统工程 非线性 非高斯 联合指标 局部切空间排列算法 田纳西-伊斯曼过程

在线阅读 下载PDF 职称材料

基于EEMD-SVD-LTSA的高速列车蛇行演变特征提取框架 被引量：6

12

作者 冉伟 宁静 +1 位作者 陈杨 陈春俊 《电子测量技术》 2019年第5期1-5,共5页

高速列车一旦出现蛇行失稳,列车的运行安全会受到严重威胁。在出现蛇行失稳前,高速列车会进入小幅蛇行发散状态,因此监测列车小幅蛇行演变趋势可以预测列车的运行状况,然而现有的文献鲜有对小幅蛇行演变特征进行研究,为此,提出一种基于E... 高速列车一旦出现蛇行失稳,列车的运行安全会受到严重威胁。在出现蛇行失稳前,高速列车会进入小幅蛇行发散状态,因此监测列车小幅蛇行演变趋势可以预测列车的运行状况,然而现有的文献鲜有对小幅蛇行演变特征进行研究,为此,提出一种基于EEMD-SVD-LTSA的高速列车特征提取框架,识别其演变趋势是小幅发散还是小幅收敛,进而预测列车运行状况。通过在线实验数据验证表明,提出的框架能成功提取高速列车小幅收敛、小幅发散的运行特征,且使用LSSVM的识别率达到100%,从而及时预测高速列车的运行状态,保障列车的运行安全。 展开更多

关键词 蛇行运动 集合经验模态分解(EEMD) 奇异值分解(SVD) 局部切空间排列(ltsa) 最小二乘法支持向量机(LSSVM)

在线阅读 下载PDF 职称材料

基于LTSA-Greedy-SVDD的过程监控 被引量：1

13

作者 杨正永 王昕 王振雷 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2014年第3期343-348,共6页

为解决实际工业过程中的非线性和非高斯问题,实现有效的过程监控,提出了一种基于局部切空间排列算法的过程监控方法。首先运用局部切空间排列算法对标准化后的正常样本数据提取出低维子流形以实现维数约减。之后利用Greedy方法提取特征... 为解决实际工业过程中的非线性和非高斯问题,实现有效的过程监控,提出了一种基于局部切空间排列算法的过程监控方法。首先运用局部切空间排列算法对标准化后的正常样本数据提取出低维子流形以实现维数约减。之后利用Greedy方法提取特征样本以支持向量数据描述方法建立监控模型,最后采用相应统计量进行过程监控。以田纳西伊斯曼(TE)模型为仿真平台,仿真结果说明了该方法的有效性。 展开更多

关键词 非线性 局部切空间排列(ltsa)算法 Greedy方法 支持向量数据描述

在线阅读 下载PDF 职称材料

基于图像形状特征和LLTSA的故障诊断方法 被引量：12

14

作者 张前图 房立清 《振动与冲击》 EI CSCD 北大核心 2016年第9期172-177,共6页

针对滚动轴承故障诊断问题,提出了一种基于图像形状特征和线性局部切空间排列(LLTSA)的故障诊断方法。首先采用SDP(Symmetrized Dot Pattern)方法对时域信号进行变换,得到极坐标空间下的雪花图像,在分析图像特点的基础上,从图像处理的... 针对滚动轴承故障诊断问题,提出了一种基于图像形状特征和线性局部切空间排列(LLTSA)的故障诊断方法。首先采用SDP(Symmetrized Dot Pattern)方法对时域信号进行变换,得到极坐标空间下的雪花图像,在分析图像特点的基础上,从图像处理的角度初步提取出图像的形状特征;然后利用LLTSA对初步提取的特征进行维数约简以提取低维特征;最后采用支持向量机(SVM)对低维特征进行分类评估。滚动轴承的故障诊断实验表明图像形状特征能够表征轴承的状态,经LLTSA约简后特征数据的复杂度得到降低,且具有更好的聚类效果,而SVM对轴承4种状态的识别率也达到了100%,验证了该方法的有效性。 展开更多

关键词 SDP 形状特征 线性局部切空间排列 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于半监督LLTSA维数约简的故障诊断 被引量：2

15

作者 李磊 庞海 张前图 《机械强度》 CAS CSCD 北大核心 2017年第2期279-284,共6页

线性局部切空间排列(LLTSA)为无监督的维数约简方法,在对高维故障特征集进行维数约简时,不能利用部分样本的类别标签信息,使得获得的低维特征仍出现混叠的情况。针对这个问题,提出了半监督线性局部切空间排列(SS-LLTSA)的维数约简方法,... 线性局部切空间排列(LLTSA)为无监督的维数约简方法,在对高维故障特征集进行维数约简时,不能利用部分样本的类别标签信息,使得获得的低维特征仍出现混叠的情况。针对这个问题,提出了半监督线性局部切空间排列(SS-LLTSA)的维数约简方法,即利用部分标签信息来调整样本点与点之间的距离以形成新的距离矩阵,通过新的距离矩阵进行邻域构建,实现了数据本质流行结构和类别标签信息的结合,能够提取区分度更好的低维特征。此外,还通过支持向量机(SVM)来建立低维特征与故障类别的对应关系,实现故障诊断。SS-LLTSA维数约简增强了故障特征的辨识能力,而SVM优异的模式识别能力能够进一步提高故障诊断精度。滚动轴承的故障诊断实例验证了所提故障诊断方法的有效性。 展开更多

关键词 故障诊断 维数约简 半监督线性局部切空间排列 支持向量机

在线阅读 下载PDF 职称材料

基于变分模态分解与流形学习的滚动轴承故障特征提取方法 被引量：26

16

作者 戚晓利 叶绪丹 +3 位作者 蔡江林 郑近德 潘紫微 张兴权 《振动与冲击》 EI CSCD 北大核心 2018年第23期133-140,共8页

提出了一种基于变分模态分解(VMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先利用VMD算法分解圆柱滚子轴承不同运行状态下的振动信号,通过求取瞬时频率均值并绘制特征曲线筛选出与原始信号最为相关的几个分量;... 提出了一种基于变分模态分解(VMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先利用VMD算法分解圆柱滚子轴承不同运行状态下的振动信号,通过求取瞬时频率均值并绘制特征曲线筛选出与原始信号最为相关的几个分量;然后,提取有效模态分量的时域指标和小波包频带分解能量所构成的频域指标,两者结合初步提取高维故障特征后,再应用LTSA对故障特征进行二次提取;最后输入到K-means分类器进行故障类型识别;通过对圆柱滚子轴承故障诊断的对比实验分析,发现:(1)与时频特征+LTSA、EMD+LTSA特征提取方法相比,VMD+LTSA方法在分类效果和识别精度上更具优势;(2) LTSA算法相比较于PCA、LPP、LE、ISOMAP和LLE这5种算法,其降维后的特征故障敏感性最好。研究结果表明所提出的方法在圆柱滚子轴承故障诊断方面具有一定的优越性。 展开更多

关键词 变分模态分解 流形学习 局部切空间排列算法 故障诊断 圆柱滚动轴承

在线阅读 下载PDF 职称材料

局部切空间排列和支持向量机的故障诊断模型 被引量：46

17

作者 万鹏 王红军 徐小力 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第12期2789-2795,共7页

提出了一种非线性流形学习和支持向量机的故障诊断模型。基于机电系统振动信号时域与频域的20个特征参数构建高维特征空间,利用局部切空间排列的非线性流形学习算法提取出隐藏其中的低维流形,网格搜索算法进行维数和邻域点参数的优化,... 提出了一种非线性流形学习和支持向量机的故障诊断模型。基于机电系统振动信号时域与频域的20个特征参数构建高维特征空间,利用局部切空间排列的非线性流形学习算法提取出隐藏其中的低维流形,网格搜索算法进行维数和邻域点参数的优化,实现高维相空间中局部邻域参数的自适应选取,获得机电系统的故障特征。利用K折交叉验证和一对一法构造支持向量机多类故障分类器,采用径向基核函数支持向量机进行机电系统的故障诊断。应用于转子试验台的3种故障状态的识别并与其他故障诊断方法进行分析比较,结果表明基于局部切空间排列和支持向量机的机电系统故障诊断模型诊断精度可达到96.6667%,可以有效提取故障的敏感特征并解决机电系统故障样本缺乏的问题。 展开更多

关键词 机电系统 故障诊断 局部切空间排列算法 支持向量机 网格搜索

在线阅读 下载PDF 职称材料

基于改进局部切空间排列的流形学习算法 被引量：9

18

作者 杜春 邹焕新 +2 位作者 孙即祥 周石琳 赵晶晶 《电子与信息学报》 EI CSCD 北大核心 2014年第2期277-284,共8页

局部切空间排列是一种广受关注的流形学习算法,其具备实现简单、全局最优等特点,但其难以有效处理稀疏采样或非均匀分布的高维观测数据。针对这一问题,该文提出一种改进的局部切空间排列算法。首先,提出一种基于L1范数的局部切空间估计... 局部切空间排列是一种广受关注的流形学习算法,其具备实现简单、全局最优等特点,但其难以有效处理稀疏采样或非均匀分布的高维观测数据。针对这一问题,该文提出一种改进的局部切空间排列算法。首先,提出一种基于L1范数的局部切空间估计方法,由于同时考虑了距离和结构因素,该方法得到的切空间较主成分分析方法更为准确。其次,在坐标排列步骤为了减小排列误差,设计了一种基于流形结构的加权坐标排列方案,并给出了具体的求解方法。基于人造数据和真实数据的实验表明,该算法能够有效地处理稀疏和非均匀分布的流形数据。 展开更多

关键词 模式识别 流形学习 降维 局部切空间排列(ltsa) L1范数

在线阅读 下载PDF 职称材料

基于局部切空间排列和K-最近邻分类器的转子故障诊断方法 被引量：16

19

作者 孙斌 刘立远 牛翀 《中国机械工程》 EI CAS CSCD 北大核心 2015年第1期74-78,共5页

为了解决大型机械设备故障数据难以准确快速提取的问题,提出了一种基于局部切空间排列(LTSA)和K-最近邻分类器的转子故障诊断模型。首先基于转子的振动信号构造一个高维多征兆矩阵,利用LTSA提取高维矩阵的低维特征向量,映射在可视空间里... 为了解决大型机械设备故障数据难以准确快速提取的问题,提出了一种基于局部切空间排列(LTSA)和K-最近邻分类器的转子故障诊断模型。首先基于转子的振动信号构造一个高维多征兆矩阵,利用LTSA提取高维矩阵的低维特征向量,映射在可视空间里;然后将提取的低维特征向量输入K-最近邻分类器进行故障模式识别。试验和数据降维仿真过程表明,该模型的准确度和快速性均优于LTSA和神经网络以及LTSA和支持向量机组成的故障诊断模型。 展开更多

关键词 局部切空间排列 K-最近邻分类器 模式识别 故障诊断

在线阅读 下载PDF 职称材料

一种改进的局部切空间排列算法 被引量：36

20

作者 杨剑 李伏欣 王珏 《软件学报》 EI CSCD 北大核心 2005年第9期1584-1590,共7页

局部切空间排列算法(localtangentspacealignment,简称LTSA)是一种新的流形学习算法,能有效地学习出高维采样数据的低维嵌入坐标,但也存在一些不足,如不能处理样本数较大的样本集和新来的样本点.针对这些缺点,提出了一种基于划分的局部... 局部切空间排列算法(localtangentspacealignment,简称LTSA)是一种新的流形学习算法,能有效地学习出高维采样数据的低维嵌入坐标,但也存在一些不足,如不能处理样本数较大的样本集和新来的样本点.针对这些缺点,提出了一种基于划分的局部切空间排列算法(partitionallocaltangentspacealignment,简称PLTSA).它建立在VQPCA(vectorquantizationprincipalcomponentanalysis)算法和LTSA算法的基础上,利用X-均值算法把样本空间划分成一些相互有重叠的块,通过把样本点投影到它所在块的局部切空间上得到其局部低维坐标,对局部低维坐标施加平移、旋转、伸缩变换,求出整体低维坐标.PLTSA解决了VQPCA不能求出整体低维坐标和LTSA中大规模矩阵的特征值分解问题,且能够有效处理新来的样本点,这是很多流形学习算法所不能的.通过实验说明了PLTSA的有效性. 展开更多

关键词 维数约简 流形学习 主成分分析 局部主成分分析 局部切空间排列 X-均值

在线阅读 下载PDF 职称材料