-
题名基于BDPCA聚类算法的航空发动机故障数据标记
被引量：10
- 1
-
-
作者
吕超
程弓
刘云清
-
机构
长春理工大学电子信息工程学院电工电子实验教学中心
中国人民解放军
-
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第9期35-41,共7页
-
文摘
航空发动机作为飞行器的动力核心对飞行器的安全飞行有着举足轻重的作用,保证航空发动机的平稳运行对飞行安全有着重大意义。在基于有监督学习的航空发动机故障诊断技术不断取得进展的同时,如何将平时获取的大量未标记数据转换为能够用来训练故障诊断模型的带标记数据,成为了制约行业发展的一大瓶颈。针对这一问题引入了基于无监督学习的DPCA算法,用以实现对未标记数据集的准确分类与标记,并针对DPCA算法在局部密度计算与簇类别数选择方面的缺陷进行了优化:针对原始DPCA算法应用标准高斯核计算局部密度易造成误识别的状况,引入共享邻域算法对局部密度的计算方法进行优化;针对原始DPCA算法需要人工研判确定簇类别数易造成的误识别状况,引入BIC选择准则对簇类别数的选择方法进行优化;提出了原始DPCA算法与共享邻域算法以及BIC选择准则相结合的BDPCA算法。最后应用航空发动机转子故障数据对BDPCA算法进行了性能验证并取得了良好的结果,证实了BDPCA算法在航空发动机气路故障诊断领域有较高的实用价值。
-
关键词
航空发动机
气路故障
密度峰值聚类分析(dpca)
贝叶斯信息准则(BIC)
共享邻域
-
Keywords
aeroengine
gas path fault
desity peaks clustering algorithm(dpca)
Bayseian information criterion(BIC)
shared neighbourhood
-
分类号
V219
[航空宇航科学与技术—航空宇航推进理论与工程]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于密度峰值聚类算法的模态参数识别
被引量：10
- 2
-
-
作者
王飞宇
胡志祥
黄潇
-
机构
合肥工业大学土木与水利工程学院
中国电子科技集团公司第三十八研究所
-
出处
《振动与冲击》
EI
CSCD
北大核心
2019年第2期172-178,共7页
-
基金
国家自然科学基金(51408177)
-
文摘
稀疏成分分析是解决欠定盲源分离问题的一种有效方法,其主要分为两步:计算振型矩阵和重构单模态信号。在计算振型矩阵时,针对无法预知源信号数量和高阶振动模态混叠的问题,利用一种基于密度峰值聚类算法识别模态振型。相比于传统的聚类算法,该方法具有以下特点:①利用决策图直观地选出聚类中心和聚类数目;②算法可以自动分离噪声点,对噪声不敏感。在重构单模态信号时,利用可以快速重构稀疏信号的SL0算法,重构出单模态时频域信号,提取出各阶模态频率。通过振动结构仿真算例验证了该方法的有效性。
-
关键词
模态分析
稀疏成分分析
密度峰值聚类(dpca)
SL0算法
-
Keywords
modal analysis
sparse component analysis
density peaks clustering algorithm(dpca)
SL0 algorithm
-
分类号
TB123
[理学—工程力学]
TN911.6
[电子电信—通信与信息系统]
-
