基于流形学习的转子系统运行状态识别理论研究.pdfVIP

第4期 组 合机床 与 自动化 加 工技术 No．4 2015年4月 ModularM achineTool AutomaticM anufacturingTechnique Apr．2015 文章编号 ：1001—2265(2015)04—0087—40 DOI：10．13462／j．cnki．mmtamt．2015．40．022 基于流形学习的转子系统运行状态 识别理论研究木 籍永建 ，王红军 ， (北京信息科技大学a．现代测控技术教育部重点实验室；b．机 电工程学院，北京 100192) 摘要：流形学习是一种机器学习算法，它能够提取隐藏在数据 中的内在几何结构与规律特性，因此在 图像、信号等处理方面得到广泛应用。运用主成分分析法与拉普拉斯特征映射算法对转子 系统正 常、碰磨、偏心三种运行状态的振动数据构造的高维特征空间进行降维处理，提取其中的低维流形。 结果表明拉普拉斯特征映射算法能有效区分转子正常、碰磨、偏心三种运行状态。 关键词：流形学习；主成分分析法；拉普拉斯特征映射；转子系统；低维流形 中图分类号 ：TH161；TG659 文献标识码 ：A ResearchofRunningStateRecognitionTheoryforRotorSystem BasedonManifold Learning JIYong~ian ．WANGHong-jun (a．KeyLaboratoryofModernMeasurementControlTechnology：b．SchoolofMechanicandElectricEngi． neering，BeijingInformationScienceTechnologyUniversity，Beijing100192，China) Abstract：Manifoldlearning isakindofmachinelearningalgorithms．Theintrinsicgeometricstructureand regularfeatureswhichhiddeninthedatacanbeextractedbymanifoldlearningSOithasbeenwidelyused in theaspectofimagena dsignalprocessing．PCA na dLaplacianEigenmapraeappliedtodistinguishhtethree typesofnormal，misalignment，rotorrub—impactforhtetest—bed．TheresultshowshtatLaplacianEigenmap algorihtm candistinguishhtethreekindsofrunningstateeffectively． Keywords：manifoldlearning；PCA ；laplacianeigenmap；rotorsystem ；low dimensionalmanifold 0 引言 1 流形学习简介 现代机械设备的高智能化以及其复杂的运行工况 流形学习旨在发现高维数据集中的内在规律 J， 给传统的故障诊断方法带来了巨大挑战。将流形学习 通过对高维观测数据进行降维处理，得到保持数据集 算法运用到主轴运行状态识别中已经成为回转机械故 原有特征的低维流形。其数学描述如下 ： 障诊断的一个热门话题 。蒋全胜等 提出了一种基于 假设 为嵌入在D维欧氏空间中的d维参数化 拉普拉斯特征映射的故障模式识别方法，万鹏等 提 流形，并且 d D，定义嵌入映射 ：．厂： c 一 ，对 出一种非线性流形学习和支持 向量机的故障诊断模 于给定的高维观测数据集X ={，，