刘立远
- 作品数：3 被引量：23H指数：2
- 供职机构：东北电力大学更多>>
- 相关领域：机械工程更多>>
- 基于局部切空间排列和K-最近邻分类器的转子故障诊断方法被引量：16
- 2015年
- 为了解决大型机械设备故障数据难以准确快速提取的问题,提出了一种基于局部切空间排列(LTSA)和K-最近邻分类器的转子故障诊断模型。首先基于转子的振动信号构造一个高维多征兆矩阵,利用LTSA提取高维矩阵的低维特征向量,映射在可视空间里;然后将提取的低维特征向量输入K-最近邻分类器进行故障模式识别。试验和数据降维仿真过程表明,该模型的准确度和快速性均优于LTSA和神经网络以及LTSA和支持向量机组成的故障诊断模型。
- 孙斌刘立远牛翀
- 关键词：局部切空间排列模式识别故障诊断
- LLSTA和ELM算法在转子故障诊断中的应用被引量：5
- 2014年
- 针对转子故障诊断日趋困难的问题,引入一种基于非线性流形学习和极限学习机(ELM)的转子故障诊断模型。基于转子振动信号时域与频域的14个特征参数构建高维矩阵,利用线性局部切空间排列(LLTSA)提取高维矩阵的特征向量,并投影到可视空间中。采用极限学习机作为分类器进行故障诊断。故障诊断实例验证了该模型的有效性和可行性,表明了该模型将成为故障诊断领域的发展方向。
- 孙斌刘立远梁超
- 关键词：故障诊断特征向量极限学习机COMPONENT
- 基于正交局部保持映射的转子故障诊断方法被引量：2
- 2014年
- 为了改善故障模式识别的分类性能,提出了一种基于正交局部保持映射算法的多流形特征提取方法。对于高维的非线性数据可以有效地提取低维流形特征向量,并且不会改变数据的内在属性。利用转子的振动信号构造一个高维多征兆矩阵,然后在应用正交局部保持映射将这个高维矩阵进行降维,提取低维特征向量矩阵,映射在可视空间里,从而可以有效地达到故障分类的效果,提高故障诊断的准确率。最后通过实验和数据降维仿真证明了正交局部保持映射算法的有效性和可行性。
- 孙斌刘立远雷伟
- 关键词：模式识别特征提取故障诊断
