-
题名样本空间基于多级高维特征表示的微小故障诊断
被引量:8
- 1
-
-
作者
张彩霞
王子涵
文成林
刘国文
余伟
-
机构
佛山科学技术学院机电工程与自动化学院
杭州电子科技大学自动化学院
广东省智慧城市基础设施健康监测与评估工程技术研究中心
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第8期1647-1654,共8页
-
基金
国家自然科学基金(No.61803087)
广东省基础与应用基础研究基金粤港澳应用教学中心项目(No.2019KTSCX192)
+1 种基金
佛山市核心技术攻关项目(No.1920001001367)
佛山市科技创新项目(No.2016AG10011)。
-
文摘
传统主元分析(Principal Component Analysis,PCA)、相对主元分析等多元统计法基于阈值诊断故障,由于是原空间等价表示,并未增加任何信息量,使得微小故障难以诊断;且降维分成主元空间和残差空间,微小信息得不到充分表示.深度学习在模式识别方面有成功的应用,深度学习多层次网络对细节进行线性组合表示,但不具备可解释性,仅有训练结果无理论依据,机理分析困难.本文提出一种将主元分析思想与深度学习思想结合的故障诊断方法,在原PCA基础上先扩维再降维,使得原始空间中不能表达的信息充分表达,且具备可解释性.理论和仿真实验分析表明,本文方法能判断出传统PCA无法检测的微小故障,提高了故障检测的检出率,且具备可解释性.
-
关键词
多级高维
主元分析
投影标架
故障诊断
-
Keywords
multilevel high-dimensional
principal component analysis
projection frame
fault diagnosis
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-