一种自适应局部线性嵌入与谱聚类融合的故障诊断方法

张育林; 庄健; 王娜; 王孙安

您当前的位置：

首页 >

文章列表页 >

一种自适应局部线性嵌入与谱聚类融合的故障诊断方法

更新时间：2025-07-09

- 一种自适应局部线性嵌入与谱聚类融合的故障诊断方法
- Fusion of Adaptive Local Linear Embedding and Spectral Clustering Algorithm with Application to Fault Diagnosis
- 西安交通大学学报 2010年44卷第1期页码：77-82
- 作者机构：
  
  西安交通大学机械工程学院,西安,710049
- 作者简介：
- 基金信息：
  
  : 2009-07-10. 作者简介: 张育林(1978-),男,讲师. 基金项目: 国家自然科学基金青年科学基金资助项目(50705073)
- DOI：
  中图分类号： TP183
- 网络首发：2010-01-10，
  
  纸质出版：2010
- 稿件说明：
移动端阅览
张育林, 庄健, 王娜, 等. 一种自适应局部线性嵌入与谱聚类融合的故障诊断方法[J]. 西安交通大学学报, 2010,44(1):77-82.

Fusion of Adaptive Local Linear Embedding and Spectral Clustering Algorithm with Application to Fault Diagnosis[J]. 2010, 44(1): 77-82.
张育林, 庄健, 王娜, 等. 一种自适应局部线性嵌入与谱聚类融合的故障诊断方法[J]. 西安交通大学学报, 2010,44(1):77-82. DOI：

Fusion of Adaptive Local Linear Embedding and Spectral Clustering Algorithm with Application to Fault Diagnosis[J]. 2010, 44(1): 77-82. DOI：

摘要

针对数据维数高、非线性且从高维观测空间分析数据模式困难的问题

将改进的流形学习算法引入到数据聚类中

提出了一种结合自适应局部线性嵌入和递归调用规范切融合的新方法.采用自适应局部线性嵌入对原始数据进行非线性降维

应用递归调用规范切对低维空间数据进行聚类

通过对3组UCI标准测试数据集的仿真实验表明

新方法能够将高维数据有效地映射到低维本质空间

克服了传统方法对数据集结构的依赖性

从而显著提高了谱聚类算法分类的准确性和稳定性.同时

对于田纳西-伊斯曼过程的数据实验

表明了该方法对故障模式识别的可行性和有效性.

Abstract

Focusing on the data with high dimensions and nonlinearity

in pattern recognition in high dimensional observation space

an improved manifold learning algorithm is introduced

and a new approach is proposed by combining adaptive local linear embedding(ALLE)and recursively applying normalized cut algorithm(RANCA).The adaptive local linear embedding algorithm is employed for nonlinear dimension reduction of original dataset

then recursively applying normalized cut algorithm is used in clustering of low dimensional data.The simulation results of three UCI standard datasets show that the new method can map high-dimensional data into low-dimensional intrinsic space successfully

solves the more dependence on the structure of datasets in the traditional methods

and the classification accuracy and robustness of spectral clustering algorithm are remarkably improved. The experiment results on tennessee-eastman process(TEP)also demonstrate the feasibility and effectiveness of the new method in fault pattern recognition.

关键词

Keywords

references

FRANK P M. Analytical and qualitative model-based fault diagnosis-a survey and some new results [J]. European Journal of Control, 1996, 2(1): 6-28.

屈梁生, 张海军. 机械诊断中的几个基本问题 [J]. 中国机械工程, 2000, 11(2):211-216.

QU Liangsheng, ZHANG Haijun. Some basic problems in machinery diagnostics [J]. Chinese Mechanical Engineering, 2000, 11(2): 211-216.

王娜, 杜海峰, 庄健,等. 用于故障诊断的网络聚类谱分割方法 [J]. 机械工程学报, 2008,44(10): 228-233.

WANG Na, DU Haifeng, ZHUANG Jian, et al. Spectral clustering method based on network segmentation used in fault diagnosis [J]. Chinese Mechanical Engineering, 2008, 44(10):228-233.

SEUNG H S, DANIEL D L. The manifold ways of perception [J]. Science, 2000, 290(12): 2268-2269.

ROWEIS S T, SAUL L K. Nonlinear dimensionality reduction by local linear embedding [J]. Science, 2000, 290: 2323-2326.

SAUL L K, ROWEIS S T. Think globally, fit locally: unsupervised learning of nonlinear manifolds [J]. Journal of Machine Learning Research, 2003, 4(12): 119-155.

SHI J, MALIK J. Normalized cuts and image segmentation [J]. IEEE Transactions on PAMI, 2000, 22(8): 888-905.

GOLUB G H, VANLOAN C F. Matrix computations [M]. Beijing,China:China Machine Press, 2001.

NEWMAN D J, HETTICH S, BLAKE C L. UCI repository of machine learning databases[S/OL]. Irvine, CA: University of California, Department of Information and Computer Science. [2009-04-16]. http:∥www.ics.uci.edu～mlearn/MLRepository.html.

蒋浩天,拉塞尔,布拉茨.工业系统的故障检测与诊断[M].北京: 机械工业出版社, 2003:98-107.

粒计算及其在机械故障智能诊断中的应用.2009,43(9):37-41.

具有模糊隶属度的模糊支持向量机算法.2009,43(7):40-43.

自适应移频变尺度随机共振在故障诊断中的应用.2009,43(7):69-73.

气动阀间歇性排气噪声辐射规律的研究.2008,42(9):1091-1095.

运用电路蕴涵及拓扑信息提高数字电路故障压缩效率.2008,42(8):958-962.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

电力变压器故障诊断多智能体大模型构建与应用

采用双小波字典的齿轮箱复合故障特征提取方法

一维卷积神经网络在机械故障特征提取中的可解释性研究

蜉蝣优化双通道网络在齿轮箱故障诊断中的应用

一种双阻尼小波赋能的可解释卷积神经网络在轴承故障诊断中的应用