导读:本文包含了故障特征约简论文开题报告文献综述及选题提纲参考文献，主要关键词:移相全桥变换器,流形学习,数据降维,马氏距离
故障特征约简论文文献综述
毛向德,梁金平[1]（2018）在《机车控制电源故障特征向量维数约简方法研究》一文中研究指出通过对电力机车控制系统中控制电源的电路结构特点分析,进行故障特征值提取,对所造成的高维数据无法进行模式识别这一特点。通过对传统的流形学习算法中LE理论进行改进,提出了基于马氏距离的LE算法理论,对LE算法中的邻域选择问题进行了深入的研究,使K具有自适应性,而且利用关联维数理论克服了非线性电路的故障特征提取中所造成的维数灾难,对其高维数据进行本征维数的估计,去除了不相关的信息维数,解决了流形学习理论中d的选取难点。最后通过验证得出该方法的有效性与准确性。(本文来源于《计算技术与自动化》期刊2018年03期）
郑国强,汪玉,高博,王志国,陈凯[2]（2018）在《基于SOLPP维数约简的电机轴承故障特征提取》一文中研究指出为提高电机轴承故障诊断的准确性,提出了基于监督正交局部保持映射(SOLPP)的电机轴承故障特征提取方法。该方法首先从多个角度构建出高维多域的混合故障特征集;然后利用监督正交局部保持映射对高维特征集进行约简,以获得对轴承故障状态敏感度高且聚类性好的低维特征;最后采用支持向量机(SVM)进行故障识别,评估特征提取的效果。电机轴承不同类型和不同程度故障诊断实验结果表明,提取的轴承故障特征可以表征轴承故障状态,验证了该方法的有效性。(本文来源于《电子测量与仪器学报》期刊2018年06期）
徐晓滨,张明,文成林,韩德强,黄大荣[3]（2019）在《基于信度区间的故障特征约简方法》一文中研究指出多源信息融合故障诊断方法可以有效提高设备故障的确诊率,但同时需要使用由不同传感器获取的多种故障特征数据.此时若将所有特征的数据用于诊断,则计算量过大,诊断的实时性差.对此,将证据理论与粗糙集相结合,提出基于信度区间的属性约简定理及相应的故障特征(属性)约简方法,力图利用约简后的重要特征进行快速诊断.利用随机模糊变量和K均值对特征数据进行离散化处理,通过压缩二进制矩阵获取核属性,再将属性的信度区间大小作为迭代约简过程中属性的选取标准,向核属性中添加重要属性,最终获得属性约简结果.最后进行电机转子的特征融合诊断实验,通过与经典的粗糙集简约方法对比验证所提出方法的有效性.(本文来源于《控制与决策》期刊2019年04期）
岳应娟,王旭,蔡艳平,牟伟杰[4]（2018）在《基于时频图像特征约简的柴油机故障特征提取新方法》一文中研究指出针对柴油机振动响应信号时频表示特征提取困难的问题,提出了一种直接对柴油机振动谱图像进行特征约简的时频特征提取新方法。通过现有的时频分析方法生成柴油机振动谱图像,采用叁次卷积插值法对图像矩阵的维度进行压缩,并将矩阵分块计算的方法与稀疏非负矩阵分解算法(sparse non-negative matrix factorization,SNMF)相结合,用来直接对压缩后的振动谱图像进行特征约简以获取蕴含在其内的低维特征。将提出的方法应用于4种不同状态的柴油机气门故障特征提取试验中,结果证明该方法可准确、快速提取柴油机气门故障特征。(本文来源于《汽车工程》期刊2018年01期）
古莹奎,潘高平,朱繁泷,承姿辛[5]（2016）在《基于邻域属性重要度与主成分分析的齿轮箱故障特征约简》一文中研究指出为有效降低齿轮箱故障特征的维数并提高诊断效率,提出了基于邻域属性重要度与主成分分析法相结合的齿轮箱故障特征约简方法,并利用支持向量机和BP神经网络对诊断的准确率进行对比分析。针对齿轮箱中具有不同程度裂纹的齿轮,选取其时域、频域和基于希尔伯特变换的36个特征;将邻域模型引入到特征属性的约简,构造前向贪心算法,以邻域属性重要度较大的9个特征作为特征集,提取累积贡献率达到95%以上的主成分,分别输入支持向量机和BP神经网络分类器中进行分类识别,并与不经过特征优选的主成分特征融合相对比。结果表明,采用基于邻域属性重要度与主成分分析法相结合的特征约简方法,既可以降低齿轮箱故障特征的维数,又不影响对其运行状态的表征,有助于识别不同裂纹水平的齿轮,与不经过特征优选直接进行融合的方法相比,所提出方法诊断准确率更高,训练时间更短。(本文来源于《中国机械工程》期刊2016年13期）
薛小明[6]（2016）在《基于时频分析与特征约简的水电机组故障诊断方法研究》一文中研究指出在新时代绿色能源背景下,大力发展水电能源对我国能源结构优化调整和社会经济可持续发展具有重要的战略意义。作为水电站能源转换的关键核心设备,目前,水电机组呈现出巨型化、综合化、高速化、超临界化和智能化的发展趋势,其运行过程面临的故障安全问题日益突出。为降低机组故障事故风险,确保机组安全稳定运行,积极开展水电机组故障诊断研究已在工程界和学术界达成共识。实际应用中,除因机组自身复杂结构特性和多种激励振源干扰外,现有故障诊断理论方法的不足和局限性,在一定程度上阻碍了故障诊断从理论研究向工程应用的转化。基于此,本文围绕水电机组故障诊断中存在的非平稳信号分析处理和特征提取、多维特征约简以及复杂故障模式识别等问题,以经验模态分解、流行学习、混合引力搜索、支持向量机和随机森林等为理论基础与研究手段,探索并克服现有方法存在的理论与应用缺陷,提出了若干有效的水电机组非平稳振动信号分析与特征提取改进方法,针对高维特征冗余干扰等问题,探索并构建了基于空间映射和智能搜索的两种特征约简方法,最终通过引入支持向量机和随机森林故障识别理论,构建了融合时频分析和特征约简的水电机组混合故障诊断模型,为该领域的理论方法创新提供了新的研究思路,并具有一定的工程应用价值。论文的主要研究内容及创新性成果如下：(1)针对经验模态分解存在的端点飞翼现象,深入分析了端点效应发生的本质原因与解决方法,提出了一种极值点混合延拓的经验模态分解端点效应抑制方法,该方法有效融合了支持向量回归机和镜像偶延拓的方法优点。在信号分解初始阶段,利用支持向量回归机良好的近端点预测能力对信号极值点序列进行两端延拓；在信号低频部分,通过镜像偶延拓方法有效规避了支持向量回归机极值点样本训练数据不充足,且抑制效果不理想的问题。最后,采用所提方法对水电机组多故障振动仿真信号进行分解,并与镜像延拓和支持向量回归机信号序列延拓方法进行对比分析,结果表明所提方法能够有效抑制端点效应,并具有较低的计算时耗。(2)考虑到水电机组尾水管压力脉动信号的非平稳及噪声冲击特性,为提高经验模态分解方法的模态混迭抑制能力,引入集成经验模态分解时频分析方法。针对集成经验模态分解存在的参数选择难、高时耗、残噪污染等问题,在互补集成经验模态分解的基础上,创造性地提出了一种自适应快速集成经验模态分解算法。研究通过揭示白噪声频率上限与集成经验模态分解计算效率的间接正比例增长规律,描述了集成经验模态分解小噪声幅值情况下模态混迭问题的消除机制,基于此,将白噪声幅值和集成试验次数分别固定设置为目标信号序列标准差的0.01倍和2,提出了一种相对均方根误差指标的白噪声频率上限自适应确定方法,突破了集成经验模态分解关键参数难以设定的难题。通过仿真实例和国际标准故障诊断案例验证了所提方法的有效性与先进性。最终,将所提方法应用到水电机组尾水管压力脉动信号分析中,表明了方法的工程实用性。(3)为了抑制高维特征空间存在的特征冗余和敏感信息易淹没等问题,通过分析局部和总体主成分分析算法的优势和局限性,构建了样本点邻域关系的皮尔逊相似系数的衡量指标和边权重确定规则,进而提出了自适应近邻关系的监督型局部和总体主成分分析新型数据约简方法。同时考虑到水电机组故障小样本特性,建立了融合流行学习特征约简和支持向量机的多类故障诊断模型,通过电站实际故障案例验证了模型的有效性,并与其他特征降维方法进行了对比分析。此外,针对更为复杂的故障诊断问题,提出了一种多维广域特征的振动故障混合诊断策略,该方法有效融合了概率统计分析和基于机器学习的诊断方法,将整个诊断过程简化为叁大步骤：故障初步监测、故障类型识别和故障程度确定。最后,将混合诊断策略应用于旋转机械故障诊断中,结果表明所提方法不仅提高了故障诊断精度,而且有效降低了诊断模型的复杂度,改善了计算效率,同时,为水电机组复杂故障诊断问题提供了一种有效的解决思路。(4)针对基于空间映射的特征约简方法难以评价各特征属性优劣程度的问题,同时为消除模型参数对随机森林诊断精度的影响。从另一特征约简角度出发,提出了一种基于混合引力搜索算法和随机森林的转子系统故障诊断模型。该模型从特征子集和模型参数两方面对随机森林故障诊断模型进行了优化改进,针对特征子集选择,采用二进制引力搜索算法进行最优子集寻优,同时采用实数引力搜索算法对随机森林的决策树数目进行优化处理。最后,将所提方法应用于转子系统故障诊断中,通过8种故障类型诊断试验,结果表明所提方法能够有效剔除冗余特征信息干扰,解决了随机森林决策树数目选择难的问题,在一定程度上提高了随机森林诊断模型的精度和效率,此外,基于随机森林的袋外数据估计特性,进一步实现了最优特征属性的重要度评估。(本文来源于《华中科技大学》期刊2016-06-01）
王攀,王泳涛,王宝玉[7]（2016）在《基于特征约简理论的机组振动故障诊断模型》一文中研究指出通过比较主成分分析和粗糙集理论两种特征约简方法,提出了将主成分分析与改进支持向量机相结合的故障诊断方法,建立了主成分分析集成特征约简的振动故障诊断模型。以某汽轮机油膜涡动振动故障信号及某600MW机组汽轮机的质量不平衡振动为例,对本文故障诊断方法进行验证,结果表明,本文故障诊断方法既缩短了诊断时间,又具有较高的诊断准确率。(本文来源于《热力发电》期刊2016年02期）
梁金平,董唯光,毛向德[8]（2015）在《变流器故障特征提取与维数约简方法研究》一文中研究指出针对风电变流器故障信号非平稳、非线性的特性,结合经验模态分解(EMD)对非线性信号处理的自适应性和分形盒维数能对非线性行为定量描述的特点,提出基于EMD与分形的变流器故障特征提取方法。逆变输出叁相电压信号经EMD处理后,将所得的含故障特征的固有模态分量的信息熵作为能量分布特征,分形盒维数作为结构特征,2种特征量结合较之前单一特征量更能精确反映变流器故障状态。但该特征提取法容易引发维数灾难,因此引入有监督增量式正交判别邻域保持嵌入流形学习方法来对故障特征进行维数约简,研究参数k,d的选择问题,加入类标签信息增强局部类内几何关系、最大化类间距离,并根据流形采样密度和曲率对k进行自适应调节。基于关联维数对吸引子不均匀性反应敏感,更能反映吸引子动态结构的特性,利用其对d进行估计,弥补通常情况下参数d难以确定的不足。通过Matlab仿真,验证了所提方法对变流器故障识别的准确性与有效性,且识别率提高明显。(本文来源于《计算机工程》期刊2015年12期）
张焱,汤宝平,刘自然,陈仁祥[9]（2015）在《时频表示特征约简的旋转机械故障特征提取方法》一文中研究指出针对二维时频表示特征提取困难这一问题,在分析基追踪与二维非负矩阵分解方法(Two Dimensional Nonnegative Matrix Factorization,2DNMF)的基础上,提出一种基于时频表示特征约简的时频特征提取方法。利用基追踪方法将信号分解成基于信号多特征冗余原子库的一组原子的线性组合,组合各分解原子的Wigner-Ville分布获取信号基追踪时频表示,采用2DNMF对基追踪时频表示的幅值矩阵进行特征约简以获取蕴含在其内部的低维特征。将提出的方法应用于8种不同状态轴承信号的特征提取中,实验结果证明了方法的有效性。(本文来源于《振动工程学报》期刊2015年01期）
苏祖强,汤宝平,邓蕾,尹爱军[10]（2014）在《有监督LLTSA特征约简旋转机械故障诊断》一文中研究指出线性局部切空间排列(LLTSA)为无监督特征约简方法,对多域故障特征集进行维数约简,会导致故障解耦不完全、故障间仍然存在混迭。针对这个问题,提出有监督线性局部切空间排列(S-LLTSA)特征约简方法,将类判别信息融入特征约简过程,实现了数据集本征结构与类判别信息的有机结合,可提取出最优低维敏感故障特征向量;并通过自适应近邻分类器(ANNC)来构建故障特征向量与故障类别的对应关系。S-LLTSA特征约简有效地增加了故障特征的可辨识性,而ANNC具有优异的模式辨识能力,进一步提高了故障诊断的精度。齿轮箱故障模拟实验验证了提出的旋转机械故障诊断方法的有效性。(本文来源于《仪器仪表学报》期刊2014年08期）
故障特征约简论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高电机轴承故障诊断的准确性,提出了基于监督正交局部保持映射(SOLPP)的电机轴承故障特征提取方法。该方法首先从多个角度构建出高维多域的混合故障特征集;然后利用监督正交局部保持映射对高维特征集进行约简,以获得对轴承故障状态敏感度高且聚类性好的低维特征;最后采用支持向量机(SVM)进行故障识别,评估特征提取的效果。电机轴承不同类型和不同程度故障诊断实验结果表明,提取的轴承故障特征可以表征轴承故障状态,验证了该方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
故障特征约简论文参考文献
[1].毛向德,梁金平.机车控制电源故障特征向量维数约简方法研究[J].计算技术与自动化.2018
[2].郑国强,汪玉,高博,王志国,陈凯.基于SOLPP维数约简的电机轴承故障特征提取[J].电子测量与仪器学报.2018
[3].徐晓滨,张明,文成林,韩德强,黄大荣.基于信度区间的故障特征约简方法[J].控制与决策.2019
[4].岳应娟,王旭,蔡艳平,牟伟杰.基于时频图像特征约简的柴油机故障特征提取新方法[J].汽车工程.2018
[5].古莹奎,潘高平,朱繁泷,承姿辛.基于邻域属性重要度与主成分分析的齿轮箱故障特征约简[J].中国机械工程.2016
[6].薛小明.基于时频分析与特征约简的水电机组故障诊断方法研究[D].华中科技大学.2016
[7].王攀,王泳涛,王宝玉.基于特征约简理论的机组振动故障诊断模型[J].热力发电.2016
[8].梁金平,董唯光,毛向德.变流器故障特征提取与维数约简方法研究[J].计算机工程.2015
[9].张焱,汤宝平,刘自然,陈仁祥.时频表示特征约简的旋转机械故障特征提取方法[J].振动工程学报.2015
[10].苏祖强,汤宝平,邓蕾,尹爱军.有监督LLTSA特征约简旋转机械故障诊断[J].仪器仪表学报.2014