基于UDGDP的转子故障数据集降维方法

doi:10.13465/j.cnki.jvs.2022.16.033

CORC > 兰州理工大学 > 兰州理工大学

	基于UDGDP的转子故障数据集降维方法
	杨泽本; 赵荣珍; 刘强
刊名	振动与冲击
	2022-08-28
卷号	41 期号:16 页码:255-260
关键词	双邻接图判别投影(UDGDP) 不相关约束转子故障数据集降维
DOI	10.13465/j.cnki.jvs.2022.16.033
英文摘要	针对旋转机械智能故障辨识精度偏低的问题，提出一种基于不相关约束的双邻接图判别投影(uncorrelated double graph discriminant projection, UDGDP)降维算法。该算法通过构建两个流形结构图使低维空间同类样本更加紧凑、异类样本更加分散，同时引入不相关约束条件以降低投影变换后特征分量之间的相关性，进而达到提取敏感故障特征的目的。用转子故障数据集进行验证的结果表明：UDGDP算法能够降低所获得低维空间各特征之间的相关性，并且使故障各类别之间的差异性变得更加清晰，可有效提升分类器的辨识精度。该算法可为转子系统故障的智能辨识技术提供理论参考依据。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/159603]
专题	兰州理工大学
作者单位	兰州理工大学机电工程学院
推荐引用方式 GB/T 7714	杨泽本,赵荣珍,刘强. 基于UDGDP的转子故障数据集降维方法[J]. 振动与冲击,2022,41(16):255-260.
APA	杨泽本,赵荣珍,&刘强.(2022).基于UDGDP的转子故障数据集降维方法.振动与冲击,41(16),255-260.
MLA	杨泽本,et al."基于UDGDP的转子故障数据集降维方法".振动与冲击 41.16(2022):255-260.