• 全部
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
基于Fisher标签字典学习的齿轮箱故障诊断方法研究
  • 作者

    赵伟恒陈曦晖杨冠雄吕铖跃

  • 单位

    河海大学机电工程学院

  • 摘要
    齿轮箱结构复杂,工作环境恶劣,导致难以有效诊断其故障。传统稀疏表示方法缺乏对字典原子和稀疏编码的约束,不能体现出信号的结构特性。提出Fisher标签字典学习算法。首先构建Fisher约束项,学习样本的类内和类间特征;然后引入样本标签信息,构建标签约束项,将样本标签与每个字典原子相关联;最后采用最优方向法实现误差最小化,字典与稀疏编码交替更新,提高字典学习的识别率。通过实验数据对比分析,该方法在稀疏编码、原子聚类等方面均优于传统稀疏表示方法,可对齿轮箱故障进行有效诊断。
  • 关键词

    故障诊断稀疏表示字典学习Fisher准则

  • 基金项目(Foundation)
    江苏省研究生科研与实践创新计划项目(SJCX22_0166);
  • 文章目录
    0 引言
    1 字典学习理论
    2 Fisher标签字典学习
    3 实验分析
    4 结语
  • 相关文章
相关问题
立即提问

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联