文章详情
| 稿件标题： | 改进模型的自适应NPE算法故障降维辩识 |
| 稿件作者： | 寇勃晨，唐力伟，邓士杰 |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 故障辩识；流形学习；自适应；改进邻域保持嵌入 |
| 文章摘要： | 针对高维分类数据，提出基于改进模型的自适应邻域保持嵌入（Improved ModelAdaptive Neighborhood Preserving Embedding，IMANPE）降维故障辩识方法。通过使用样本集的标签信息，改进NPE算法的低维重构模型，在选择投影方向上关注样本邻域结构不变的同时，保证非同类样本的中心点距离最大化，能够获得辨识度更高的低维特征。采用自适应邻域构造法代替传统的kNN邻域构造法，用样本集的本征维数作为降维的目标维数，有效避免了NPE算法重要参数选择问题。将得到的低维特征作为概率神经网络的输入实现故障辩识。标准数据集和实测柱塞泵故障的结果表明，IMANPE降维法能有效在降维的同时提高故障辩识效果。 |
| 引用本文格式： | 寇勃晨，唐力伟，邓士杰.改进模型的自适应NPE算法故障降维辩识［J］.兵器装备工程学报，2018,39(8):97-102. KOU Bochen, TANG Liwei, DENG Shijie.Fault Recognition and Dimensionality Reduction Method of Improved ModelAdaptive NPE Algorithm［J］.Journal of Ordnance Equipment Engineering,2018,39(8):97-102. |
| 刊期名称： | 2018年08期 |
| 出版时间： | 2018年8月 |
| 上线时间： | 2018年8月28日 |
| 浏览次数： | 2720 |
| 下载次数： | 623 |
| 免费阅读PDF 下载本期目录 | |