基于t-分布随机邻域嵌入融合最优多频带盒维数的牵引整流器故障诊断

1

作者 毛向德 董海鹰 梁金平 《电工技术学报》 北大核心 2025年第2期531-543,共13页

针对电力机车牵引变流器中故障率较高的牵引整流器,提出一种基于t-分布随机邻域嵌入(t-SNE)融合最优多频带盒维数特征的故障诊断方法。首先,在最优小波基函数的基础上,利用小波包分解牵引整流器在不同工况、不同运行模式下的故障信号,... 针对电力机车牵引变流器中故障率较高的牵引整流器,提出一种基于t-分布随机邻域嵌入(t-SNE)融合最优多频带盒维数特征的故障诊断方法。首先,在最优小波基函数的基础上,利用小波包分解牵引整流器在不同工况、不同运行模式下的故障信号,得到一系列的最优频带;其次,计算各频带系数的分形盒维数,作为高维故障特征;最后,采用t-SNE流形学习对高维特征进行融合,以减少特征之间的冲突和冗余,得到简单敏感的故障特征。结果表明:信噪比为30 dB时,15种故障模式的最终诊断结果为99.79%,对不同的信噪比仍有较高的准确率。与其他方法相比,所提方法对不同类型开关器件(绝缘栅双极晶体管和电力二极管)的开路故障具有较高的诊断率和较强的鲁棒性。 展开更多

关键词 牵引整流器 能熵比 分形盒维数 t-分布随机邻域嵌入 特征融合

在线阅读 下载PDF 职称材料

含多种分布式电源的配电网重构优化研究 被引量：34

2

作者 刘畅 黄民翔 《电力系统保护与控制》 EI CSCD 北大核心 2013年第6期13-18,共6页

考虑多种分布式电源(DG)的影响,形成配电网重构优化的新方法。该方法以网损期望最小为优化目标,运用以配电网环路数为抗体长度的十进制编码策略及疫苗接种策略;并将多种DG的功率计算加入改进牛拉法配电网潮流计算模型中,考虑水轮机等DG... 考虑多种分布式电源(DG)的影响,形成配电网重构优化的新方法。该方法以网损期望最小为优化目标,运用以配电网环路数为抗体长度的十进制编码策略及疫苗接种策略;并将多种DG的功率计算加入改进牛拉法配电网潮流计算模型中,考虑水轮机等DG的功率可调性及风电等DG的功率随机性,得到考虑功率随机DG出力概率的网损期望;将免疫算法与邻域搜索进行融合,形成邻域搜索免疫算法,有效克服了免疫算法在迭代末期局部搜索能力差的弊端。IEEE33节点模型加入DG后计算结果表明,含多种DG的配电网通过重构可以在优化DG出力的同时实现网损期望的最小化。 展开更多

关键词 配电网重构 邻域搜索免疫算法 分布式电源 随机功率的分布式电源 功率可调的分布式电源

在线阅读 下载PDF 职称材料

BH随机邻域嵌入在驾驶行为识别中的应用

3

作者 杨云开 范文兵 彭东旭 《计算机应用与软件》 北大核心 2021年第1期166-170,210,共6页

针对驾驶系统处理大量驾驶数据时出现的效率和精度不足的问题,提出一种基于巴恩斯哈特随机邻域嵌入(BH-SNE)和径向基函数神经网络(RBFNN)的识别算法。从手机传感器中获取加速度数据、陀螺仪数据和磁强计数据,融合这三种传感器数据,经过... 针对驾驶系统处理大量驾驶数据时出现的效率和精度不足的问题,提出一种基于巴恩斯哈特随机邻域嵌入(BH-SNE)和径向基函数神经网络(RBFNN)的识别算法。从手机传感器中获取加速度数据、陀螺仪数据和磁强计数据,融合这三种传感器数据,经过预处理后使用BH-SNE完成降维处理,将降维数据输入到RBFNN中识别出驾驶行为。实验结果表明,BH-SNE的效率远高于t分布式随机邻域嵌入(t-SNE),并且可视化效果优于t-SNE,该模型的整体识别率为98.8%,分类效果优于传统的机器学习算法。 展开更多

关键词 传感器数据 数据融合 数据可视化 t分布式随机邻域嵌入 径向基函数神经网络

在线阅读 下载PDF 职称材料

基于随机投影的正交判别流形学习算法 被引量：3

4

作者 马丽 董唯光 +1 位作者 梁金平 张晓东 《郑州大学学报（理学版）》 CAS 北大核心 2016年第1期102-109,115,共9页

提出一种基于流形距离的局部线性嵌入算法,以流形距离测度数据间的相似度,选择各样本点的近邻域,解决了欧氏距离作为相似性度量时对邻域参数的敏感性.在MDLLE算法中引入最大边缘准则(maximum margin criterion,MMC)来构建最优平移缩放模... 提出一种基于流形距离的局部线性嵌入算法,以流形距离测度数据间的相似度,选择各样本点的近邻域,解决了欧氏距离作为相似性度量时对邻域参数的敏感性.在MDLLE算法中引入最大边缘准则(maximum margin criterion,MMC)来构建最优平移缩放模型,使得算法在保持LLE局部几何结构的同时,具有MMC准则判别能力.通过正交化低维特征向量可消除降维过程中的噪声影响,进而提高算法的监督判别能力.由实验结果得到,所提出的方法具有良好的降维效果,能有效避免局部降维算法对邻域参数的敏感.随机投影独立于原始高维数据,将高维数据映射到一个行单位化的随机变换矩阵的低维空间中,维持映射与原始数据的紧密关系,从理论上分析证明了在流形学习算法中采用随机投影可以高概率保证在低维空间保持高维数据信息. 展开更多

关键词 流形学习算法 邻域选择 流形距离 正交判别 局部线性嵌入 随机投影

在线阅读 下载PDF 职称材料

基于HMFDE和t-SNE的旋转机械故障诊断方法 被引量：4

5

作者 尹久 张杰 《机电工程》 CAS 北大核心 2024年第6期1058-1067,共10页

针对旋转机械的故障特征提取较难,以及单一类型的特征无法全面反映故障特性的问题,提出了一种基于混合多尺度波动散布熵(HMFDE)、t分布-随机邻域嵌入(t-SNE)和郊狼优化算法(COA)优化极限学习机(ELM)的旋转机械故障诊断方法。首先,采用... 针对旋转机械的故障特征提取较难,以及单一类型的特征无法全面反映故障特性的问题,提出了一种基于混合多尺度波动散布熵(HMFDE)、t分布-随机邻域嵌入(t-SNE)和郊狼优化算法(COA)优化极限学习机(ELM)的旋转机械故障诊断方法。首先,采用特征加权提出了混合多尺度波动散布熵方法,并将其用于提取旋转机械振动信号的故障特征;随后,采用t-SNE方法对混合故障特征进行了特征降维,挑选出了最能够反映故障特性的特征子集,构建了敏感特征样本;最后,采用郊狼优化算法对极限学习机的输入权重和隐含层阈值进行了优化,完成了旋转机械的故障识别和分类;以齿轮箱和滚动轴承故障数据集为对象,对基于HMFDE、t-SNE和COA-ELM的故障诊断方法进行了实验,验证了方法的有效性。研究结果表明:采用HMFDE-t-SNE-CAO-ELM故障诊断方法可以取得100%的故障识别准确率,该方法能够有效地诊断旋转机械的不同故障类型和损伤;相较于基于单一类型特征的故障诊断方法,其准确率分别可以提高0.68%、22.42%、29.18%(齿轮箱)和1.43%、8.23%、23.67%(滚动轴承),虽然牺牲了一定的计算效率,但准确率得到了明显的提高;相较于其他常规故障分类器,COA-ELM的故障识别准确率具有明显的优势。 展开更多

关键词 旋转机械 故障诊断 齿轮箱 滚动轴承 混合多尺度波动散布熵 t分布-随机邻域嵌入 郊狼优化算法 极限学习机

在线阅读 下载PDF 职称材料

基于混合智能优化算法的输变电工程全环节关键数据处理方法 被引量：4

6

作者 何琳 黄博 +1 位作者 申亚波 李爽 《沈阳工业大学学报》 CAS 北大核心 2024年第3期263-269,共7页

为了提升输变电工程全环节的数据管理质效,提出了一种基于混合智能优化算法的输变电工程全环节关键数据处理方法。该方法以造价数据管理为核心,利用层次分析法建立工程造价控制评估模型,获得了造价评估指标与指标权重。同时设计了一种... 为了提升输变电工程全环节的数据管理质效,提出了一种基于混合智能优化算法的输变电工程全环节关键数据处理方法。该方法以造价数据管理为核心,利用层次分析法建立工程造价控制评估模型,获得了造价评估指标与指标权重。同时设计了一种改进的随机邻域嵌入算法实现数据降维,进而引入经自适应改进的鲸鱼优化算法及粒子群算法。在交叉策略框架下,将两者相结合并得到鲸鱼粒子群混合优化算法。实验结果表明,所提方法对输变电工程全环节关键数据的处理效果较优,而与其他方法相比,其精度和效率也均具备显著优势,能够提升数据管理水平。 展开更多

关键词 输变电工程 全环节 鲸鱼粒子群混合优化算法 随机邻域嵌入算法 工程造价 关键数据 交叉策略 数据管理 层次分析法

在线阅读 下载PDF 职称材料

基于PCA与t-SNE特征降维的城市植被SVM识别方法 被引量：2

7

作者 于慧伶 霍镜宇 +1 位作者 张怡卓 蒋毅 《实验室研究与探索》 CAS 北大核心 2019年第12期135-140,共6页

以高光谱图像降维为研究问题,针对主成分分析法(PCA)投影结果混叠、线性不可分和t-分布式随机邻域嵌入算法(t-SNE)内存占用大、运行时间长等不足,提出了一种基于PCA与t-SNE结合的高光谱图像降维方法。设计了基于SVM的城市植被识别模型,... 以高光谱图像降维为研究问题,针对主成分分析法(PCA)投影结果混叠、线性不可分和t-分布式随机邻域嵌入算法(t-SNE)内存占用大、运行时间长等不足,提出了一种基于PCA与t-SNE结合的高光谱图像降维方法。设计了基于SVM的城市植被识别模型,有效地提高了运行速率,进而更好地提取高光谱图像的本质特征,提高了高光谱图像中城市植被的分类精度。实验选取肯尼迪航天中心(KSC)数据为对象,结果表明,PCA-t-SNE-SVM算法总体分类精度可达92.06%,Kappa系数为0.91时,分类效果最优,相较于PCA-SVM和t-SNE-SVM算法,总体分类精度分别提高了13.51%和3.33%,Kappa系数分别提高了0.15和0.04,均表现出良好的性能。 展开更多

关键词 高光谱图像分类 城市植被分类 主成分分析法 t-分布式随机邻域嵌入算法 支持向量机

在线阅读 下载PDF 职称材料

基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型 被引量：1

8

作者 王显彬 孙阳 《机电工程》 北大核心 2025年第3期510-519,共10页

针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机... 针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。 展开更多

关键词 非线性振动信号 特征提取时间 故障识别精度(诊断精度) 精细复合多尺度分数波动散布熵 t-分布随机邻域嵌入 麻雀搜索算法优化相关向量机

在线阅读 下载PDF 职称材料

基于特征融合的往复式压缩机气阀故障诊断

9

作者 王康 宋朝琪 +4 位作者 聂方 袁宗泽 任护国 尧阳烽 余永华 《机床与液压》 北大核心 2025年第1期151-156,共6页

针对仅依靠单一信号难以准确诊断气阀故障且缺乏多参数综合利用的气阀故障诊断方法的问题,提出一种基于t-分布随机近邻嵌入(t-SNE)特征降维融合的往复式压缩机气阀故障诊断方法。以某型四级高压往复式压缩机为研究对象,通过故障模拟试... 针对仅依靠单一信号难以准确诊断气阀故障且缺乏多参数综合利用的气阀故障诊断方法的问题,提出一种基于t-分布随机近邻嵌入(t-SNE)特征降维融合的往复式压缩机气阀故障诊断方法。以某型四级高压往复式压缩机为研究对象,通过故障模拟试验获取进、排气阀不同典型故障下的热力参数和声发射信号,利用t-SNE降维算法将不同信号源提取的高维特征参数融合降维,并基于K-近邻算法(KNN)构建气阀故障诊断模型。结果表明:与其他降维算法相比,经t-SNE降维后,同类样本的类内距离小,不同类型故障样本类间距离较大,可以有效区分进排气阀的各类故障;多信号特征融合降维后,基于KNN分类算法构建的气阀故障诊断模型能有效识别气阀故障,其准确率为100%。 展开更多

关键词 气阀 故障诊断 t-分布随机近邻嵌入 特征融合 K-近邻算法

在线阅读 下载PDF 职称材料

基于改进CEEMDAN和t-SNE的故障特征提取方法 被引量：5

10

作者 郑惠萍 王卓 +3 位作者 彭立强 秦志英 赵月静 裴春兴 《机床与液压》 北大核心 2023年第19期216-222,共7页

针对非线性、非稳定振动信号难以提取有效故障特征的问题,提出一种基于改进自适应噪声完备集合经验模态分解(CEEMDAN)和t-分布随机邻域嵌入(t-SNE)算法相结合的故障特征提取方法。利用三次Hermite插值代替三次样条插值构造包络线,提高传... 针对非线性、非稳定振动信号难以提取有效故障特征的问题,提出一种基于改进自适应噪声完备集合经验模态分解(CEEMDAN)和t-分布随机邻域嵌入(t-SNE)算法相结合的故障特征提取方法。利用三次Hermite插值代替三次样条插值构造包络线,提高传统CEEMDAN对非平稳信号的分解精度;利用改进后的CEEMDAN对原始信号分解并通过相关系数筛选出有效固有模态分量(IMF),提取有效IMF分量的时频特征、奇异值和能量值构建高维混合域特征集;最后,通过t-SNE算法挖掘高维混合域特征信息得到低维敏感特征,并将其输入到支持向量机中进行分类,以分类准确率作为特征提取效果评价指标。在齿轮箱故障模拟实验台进行实验验证,结果表明该方法能够准确地提取故障特征,为故障特征提取提供新思路。 展开更多

关键词 Hermite插值法 自适应噪声完备集合经验模态分解 t-分布随机邻域嵌入 故障特征提取

在线阅读 下载PDF 职称材料

基于t-SNE和核马氏距离的滚动轴承健康状态评估 被引量：6

11

作者 胡启国 杜春超 罗棚 《组合机床与自动化加工技术》 北大核心 2021年第8期57-61,共5页

针对滚动轴承在健康状态评估过程中,退化状态特征筛选和健康指数难以构建等问题,提出了一种基于t-SNE(t-distribution Stochastic Neighbor Embedding)和核马氏距离的滚动轴承健康状态评估方法。首先,利用随机森林算法筛选出重要性较高... 针对滚动轴承在健康状态评估过程中,退化状态特征筛选和健康指数难以构建等问题,提出了一种基于t-SNE(t-distribution Stochastic Neighbor Embedding)和核马氏距离的滚动轴承健康状态评估方法。首先,利用随机森林算法筛选出重要性较高的退化状态特征,并构建高维相对退化状态特征;其次,为防止退化状态特征冗余对评估结果产生影响,利用t-SNE对高维相对退化状态特征集进行降维,将退化状态特征进行融合;最后,将其与等距映射(Isometric mapping,Isomap)、KPCA方法对比,以验证t-SNE流形学习算法进行退化状态特征降维的有效性与优越性,结果表明t-SNE算法具有一定优势。最终结果验证了所提方法的有效性。 展开更多

关键词 滚动轴承 退化状态特征 t-分布随机邻域嵌入算法 核马氏距离 健康状态评估

在线阅读 下载PDF 职称材料

基于可见-近红外光谱及随机森林的鸡蛋产地溯源 被引量：4

12

作者 王彬 王巧华 +3 位作者 肖壮 马逸霄 李理 杨朋 《食品工业科技》 CAS CSCD 北大核心 2017年第24期243-247,共5页

为了研究快速无损鉴别鸡蛋产地的可行性,利用可见-近红外光谱技术,采集4种湖北不同产地鸡蛋的透射光谱(500~900 nm),利用中心化、归一化、标准正态变量(SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(MSC)、直接正交信号校正(Direct ... 为了研究快速无损鉴别鸡蛋产地的可行性,利用可见-近红外光谱技术,采集4种湖北不同产地鸡蛋的透射光谱(500~900 nm),利用中心化、归一化、标准正态变量(SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(MSC)、直接正交信号校正(Direct Orthogonal Signal Correction,DOSC)算法对光谱数据进行预处理,采用t分布式随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)、主成分分析(PCA)方法对预处理后的数据降维,并将降维后的数据分别输入极限学习机(extreme learning machine,ELM)和随机森林(random forest,RF),建立鸡蛋产地溯源模型。比较两种方法建立的模型,发现运用DOSC预处理及t-SNE提取的光谱特征信息建立的RF模型鉴别效果最好,训练集和预测集的鉴别正确率分别为100%和98.33%。研究结果表明基于可见-近红外光谱技术对鸡蛋产地溯源是可行的,为进一步研究与开发鸡蛋产地溯源便携式仪器提供技术支持。 展开更多

关键词 可见-近红外光谱 鸡蛋 产地溯源 t分布式随机邻域嵌入 随机森林

在线阅读 下载PDF 职称材料

温变下基于奇异谱分析的机电阻抗损伤识别法 被引量：2

13

作者 陈文捷 肖黎 屈文忠 《振动．测试与诊断》 EI CSCD 北大核心 2024年第1期113-120,201,共9页

为消除温度变化对损伤识别的影响,采用奇异谱分析(singular spectrum analysis,简称SSA)方法处理阻抗信号以分离不受温度变化影响的信号分量,提出结合t-分布随机邻域嵌入(t-distribution stochastic neighbor embedding,简称t-SNE)与K... 为消除温度变化对损伤识别的影响,采用奇异谱分析(singular spectrum analysis,简称SSA)方法处理阻抗信号以分离不受温度变化影响的信号分量,提出结合t-分布随机邻域嵌入(t-distribution stochastic neighbor embedding,简称t-SNE)与K均值聚类算法的无监督机器学习方法,进一步处理信号分量实现损伤识别。为验证该方法的可行性,以螺栓组连接的铝板结构作为实验对象进行温度变化工况下螺栓松动机电阻抗损伤识别实验。结果表明,应用SSA方法得到的信号分量能在温度变化影响下有效识别螺栓松动状态,各工况识别准确率均达到98%以上,证明了所提出方法对消除温度变化影响的有效性。 展开更多

关键词 损伤检测 机电阻抗 温度变化 奇异谱分析 t-分布随机邻域嵌入

在线阅读 下载PDF 职称材料

基于近红外光谱与t-SNE的机器学习方法对五常稻花香米的快速无损鉴别

14

作者 孙鑫悦 李彦龙 +7 位作者 陈明明 宋妍 钱丽丽 左锋 关海鸥 张涛 刘兴泉 周国鑫 《食品科学》 2025年第20期318-326,共9页

本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法。通过采集不同品种的大米近红外光谱数据,使用偏最小二乘回归模型确认一阶导数为最佳预处理方法,对比主成分分析和t-分布邻域嵌入降维方法,构建人工... 本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法。通过采集不同品种的大米近红外光谱数据,使用偏最小二乘回归模型确认一阶导数为最佳预处理方法,对比主成分分析和t-分布邻域嵌入降维方法,构建人工神经网络、K近邻算法、随机森林、决策树和朴素贝叶斯5种机器学习模型进行品种判别对比。研究结果表明t-分布邻域嵌入在Calinski-Harabasz指数上提升了1 078.005 1,表现出更好的聚类效果。经过t-分布邻域嵌入降维处理后,5种模型的各项评价指标均优于未降维处理的模型,模型平均准确率达到了95.78%,其中朴素贝叶斯模型准确率提高了18.89%,提升效果最佳,随机森林模型的判别效果最好,预测集准确率和精准率分别为98.89%和98.96%。本方法可快速无损鉴别五常稻花香米,助力品牌保护和消费者权益维护,也可为其他地理标志农产品鉴别提供新思路。 展开更多

关键词 五常稻花香米 近红外光谱技术 随机森林 相似大米品种鉴别 t-分布邻域嵌入

在线阅读 下载PDF 职称材料

基于LNN-DPC加权集成学习的转炉炼钢终点碳温软测量方法 被引量：6

15

作者 熊倩 刘辉 刘旭琛 《计算机集成制造系统》 EI CSCD 北大核心 2022年第12期3886-3898,共13页

转炉炼钢终点控制的关键是碳温准确预报。针对实际生产中因原料品质差异导致的炉次样本波动性较大所造成全局单一模型无法精确预测终点碳温的问题,提出一种局部最近邻密度峰值聚类算法(LNN-DPC)加权集成学习软测量方法。首先,采用改进... 转炉炼钢终点控制的关键是碳温准确预报。针对实际生产中因原料品质差异导致的炉次样本波动性较大所造成全局单一模型无法精确预测终点碳温的问题,提出一种局部最近邻密度峰值聚类算法(LNN-DPC)加权集成学习软测量方法。首先,采用改进的峰值密度聚类算法划分降维后的训练数据形成局部样本子集,构建子集与原始数据间的一一对应关系生成高斯过程回归子模型,并在原始数据子集下度量得到熵值加权的子集“质心”;其次,通过灰色关联分析选择与测试样本关联度较强的模型作为局部模型,提出关联度加权集成策略输出碳温预测结果。在实际转炉炼钢生产过程数据仿真结果下,碳含量在±0.02%的误差范围内精度达到85.2%,温度在±10℃的误差范围内精度达到84.8%。 展开更多

关键词 转炉炼钢 集成学习 t-分布随机邻域嵌入算法 局部最近邻密度峰值聚类算法 灰色关联分析 高斯过程回归

在线阅读 下载PDF 职称材料

基于小波包混合特征和支持向量机的机床主轴轴承故障诊断研究 被引量：31

16

作者 王一鹏 陈学振 李连玉 《电子测量与仪器学报》 CSCD 北大核心 2021年第2期59-64,共6页

主轴轴承作为机床关键零部件,针对轴承故障信息比较复杂难以获取,并且故障数据样本少问题,提出了基于小波包混合特征和支持向量机(SVM)的数控机床轴承故障诊断方法。首先对轴承振动信号进行小波包分解和重构,提取信号的混合特征构建联... 主轴轴承作为机床关键零部件,针对轴承故障信息比较复杂难以获取,并且故障数据样本少问题,提出了基于小波包混合特征和支持向量机(SVM)的数控机床轴承故障诊断方法。首先对轴承振动信号进行小波包分解和重构,提取信号的混合特征构建联合特征空间;然后使用t-分布式随机邻域嵌入法对样本数据进行降维,观测混合特征样本集的数据分布;最后使用非线性SVM进行故障分类。经过现场数控机床数据验证,对主轴轴承内圈、外圈和滚珠的故障识别的准确率为100%,与线性SVM以及BP神经网络的故障分类效果来比较,该方法能更加精准地识别出了数控机床主轴轴承故障。 展开更多

关键词 数控机床 小波包 t-分布式随机邻域嵌入 支持向量机

在线阅读 下载PDF 职称材料

基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断 被引量：1

17

作者 杨小强 宫建成 +1 位作者 安立周 刘晓明 《机电工程》 CAS 北大核心 2023年第3期335-343,共9页

针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模... 针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。 展开更多

关键词 集成精细复合多元多尺度模糊熵 人工鱼群算法优化的核极限学习机 t分布随机邻域嵌入 特征提取 多粗粒化处理 多通道信号处理 故障分类识别

在线阅读 下载PDF 职称材料

基于集成学习强化BPNN的掘进工作面温度预测模型

18

作者 马恒 张世龙 高科 《工矿自动化》 2025年第8期88-94,158,共8页

针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随... 针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随机邻域嵌入(t−SNE)非线性降维技术,将通风机前风量、温度、相对湿度等7项高维特征降至3维,保留数据局部结构并去除噪声。然后将降维数据输入BPNN作为基分类器,经迭代训练得到初步模型。最后通过自适应推进算法(AdaBoost)集成学习,迭代训练多个BPNN弱分类器并加权组合为强分类器,增强模型泛化能力。将60组掘进工作面实测数据按8∶2划分为训练集与测试集,经5折交叉验证确定AdaBoost最优弱学习器数量为30。实验结果表明:①t−SNE−BPNN−AdaBoost预测曲线和真实值贴合度最优,整体误差小,在温度突变区段适应力强,稳定性远超SVM,BPNN和t−SNE−BPNN。②t−SNE−BPNN−AdaBoost的预测相对误差最小,几乎在5%以内,表现出最优的预测精度。③在测试集上,t−SNE−BPNN−AdaBoost的决定系数为0.9784,较SVM,BPNN,t−SNE−BPNN分别提高了60.3%,17.2%,8.1%;平均绝对误差为0.1676,均方误差为0.0567,平均绝对百分比误差为0.9640,指标均显著优于SVM,BPNN和t−SNE−BPNN,在温度突变区段适应性更强。 展开更多

关键词 掘进工作面温度预测 t−分布随机邻域嵌入 BP神经网络 t−SNE 自适应推进算法 AdaBoost集成学习 5折交叉验证

在线阅读 下载PDF 职称材料