高斯過程隱變量模型與多類最優(yōu)邊際分配機在故障診斷中的應用
關鍵詞：gplvm mcodm ceemd 維數(shù)約簡 故障診斷
摘要：軸承的振動信號特征與運行狀態(tài)之間具有較強的非線性關系,導致在對軸承運行狀態(tài)特征提取時,選取的高維特征間存在冗余性,因此產(chǎn)生故障診斷模型性能退化的問題。為此提出一種高斯過程隱變量模型(Gaussian process latent variable model,GPLVM)與多類最優(yōu)邊際分配機(Multi-class optimal margin distribution machine,mcODM)相結合的故障診斷方法。該方法首先對振動信號進行完備總體經(jīng)驗模態(tài)分解(Complementary ensemble empirical mode decomposition,CEEMD),得到信號的高維特征,并采用GPLVM對高維特征進行維數(shù)約簡,然后利用約簡后的特征建立mcODM故障診斷模型。軸承故障檢測試驗表明,該方法能夠有效降低特征間的冗余性,且相較于ELM,mcODM模型能通過優(yōu)化邊際分布獲得較高的辨識精度。
機械科學與技術雜志要求:
{1}注釋及參考文獻格式參照GB/T7714-2015《信息與文獻參考文獻著錄規(guī)則》。
{2}為加快稿件處理速度，本刊實行審稿意見及時反饋制度，盡量為來稿附上審稿意見，15日內(nèi)會給出審稿意見。
{3}本刊拒絕一稿多投，且稿件主要觀點或基本內(nèi)容，不得先于本刊在其他公開出版物（包括期刊、報紙、專著、論文集、網(wǎng)站及自媒體等）上發(fā)表。
{4}引言在標題以下，不設標題的分段、分層：使用1)2)3)等、①②③等、abc等，在段首時應退2字起排。
{5}關鍵詞：反映論文內(nèi)容特征的中英文關鍵詞3~8個。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
