2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

全局与局部判别信息融合的转子故障数据集降维方法研究

赵孝礼 赵荣珍

赵孝礼, 赵荣珍. 全局与局部判别信息融合的转子故障数据集降维方法研究. 自动化学报, 2017, 43(4): 560-567. doi: 10.16383/j.aas.2017.c160317
引用本文: 赵孝礼, 赵荣珍. 全局与局部判别信息融合的转子故障数据集降维方法研究. 自动化学报, 2017, 43(4): 560-567. doi: 10.16383/j.aas.2017.c160317
ZHAO Xiao-Li, ZHAO Rong-Zhen. A Method of Dimension Reduction of Rotor Faults Data Set Based on Fusion of Global and Local Discriminant Information. ACTA AUTOMATICA SINICA, 2017, 43(4): 560-567. doi: 10.16383/j.aas.2017.c160317
Citation: ZHAO Xiao-Li, ZHAO Rong-Zhen. A Method of Dimension Reduction of Rotor Faults Data Set Based on Fusion of Global and Local Discriminant Information. ACTA AUTOMATICA SINICA, 2017, 43(4): 560-567. doi: 10.16383/j.aas.2017.c160317

全局与局部判别信息融合的转子故障数据集降维方法研究

doi: 10.16383/j.aas.2017.c160317
基金项目: 

国家自然科学基金 51675253

教育部高等学校博士学科点专项科研基金 20136201110004

详细信息
    作者简介:

    赵孝礼 兰州理工大学硕士研究生.主要研究方向为旋转机械故障诊断.E-mail:m188934948402@163.com

    通讯作者:

    赵荣珍 兰州理工大学教授.主要研究方向为旋转机械故障诊断, 机械系统动力学.E-mail:zhaorongzhen@lut.cn

A Method of Dimension Reduction of Rotor Faults Data Set Based on Fusion of Global and Local Discriminant Information

Funds: 

National Natural Science Foundation of China 51675253

the Doctor Science Research Foundation of the Education Ministry of China 20136201110004

More Information
    Author Bio:

    Master student at Lanzhou University of Technology. His research interest covers rotating machinery fault diagnosis

    Corresponding author: ZHAO Rong-Zhen Professor at Lanzhou University of Technology. Her research interest covers rotating machinery fault diagnosis and mechanical system dynamics. Corresponding author of this paper
  • 摘要: 针对传统的数据降维方法无法兼顾保持全局特征信息与局部判别信息的问题,提出一种核主元分析(Kernel principal component analysis,KPCA)和正交化局部敏感判别分析(Orthogonal locality sensitive discriminant analysis,OLSDA)相结合的转子故障数据集降维方法.该方法首先利用KPCA算法有效降低数据集的相关性、消除冗余属性,由此实现了最大程度地保留原始数据全局非线性信息的作用;然后利用OLSDA算法充分挖掘出数据的局部流形结构信息,达到了提取出具有高判别力低维本质特征的目的.上述方法的特点是通过同时进行的正交化处理可避免局部子空间结构发生失真,采用三维图直观显示出低维结果,以低维特征子集输入最近邻分类器(K-nearest neighbor,KNN)的识别率和聚类分析之类间距Sb、类内距Sw作为衡量降维效果的指标.实验表明该方法能够全面地提取出全局与局部判别信息,使故障分类更清晰,相应地识别准确率得到了明显提升.该研究可为解决高维和非线性机械故障数据集的可视化与分类问题,提供理论参考依据.
    1)  本文责任编委 胡昌华
  • 图  1  融合全局与局部判别信息的故障数据集降维方法

    Fig.  1  The method of dimension reduction of fault data set of the integrated global and local discriminant information

    图  2  测试样本基于不同方法的降维结果

    Fig.  2  The results of test sample based on different methods of dimension reduction

    图  3  各类降维方法的测试样本类间距、类内距及其比值

    Fig.  3  The test samples' between-class scatter, within-class scatter and their ratio of all kinds of dimension reduction methods

    图  4  不同训练样本数对应的平均识别准确率

    Fig.  4  The average recognition accuracy based on the different number of training samples

    图  5  不同随机噪声干扰下的6种算法的平均识别准确率

    Fig.  5  The average recognition accuracy of six kinds of algorithms under different random noise interference

    表  1  各通道故障特征参数

    Table  1  Fault characteristic parameters of each channel

    序号 特征名称 序号 特征名称
    1 均方幅值 10 裕度指标
    2 方根幅值 11 频率均值
    3 平均幅值 12 频率中心
    4 最大值 13 标准差频率
    5 峰峰值 14 峭度频率
    6 峭度 15 均方根频率
    7 波形指标 16 ~ 23 前4层IMF分量
    8 峰值指标 的能量特征及对应
    9 脉冲指标 的4层复杂度特征
    下载: 导出CSV

    表  2  各降维方法的识别准确率 (%)

    Table  2  Methods of dimension reduction of recognition accuracy (%)

    故障类型 各降维方法的故障诊断准确率
    A1 A2 A3 A4 A5 A6
    松动 1 0.667 1 1 1 1
    碰磨 1 0.8 0.833 1 0.967 1
    不对中 0.72 0.933 1 1 1 1
    不平衡 0.62 1 0.867 0.8 1 1
    识别准确率 0.835 0.85 0.925 0.95 0.992 1
    下载: 导出CSV

    表  3  算法的时间复杂度

    Table  3  Time complexity of all the algorithms

    降维算法 时间复杂度
    PCA $O(d^3)+{\rm O}(nd)$
    KPCA ${\rm O}(d^3)+{\rm O}(nd)+{\rm O}(d^3)$
    OLSDA ${\rm O}(dn \log n)+{\rm O}(n^2)+{\rm O}(pn^2)$
    PCA-KOLSDA ${\rm O}(d^3)+{\rm O}(nd)+{\rm O}(dn \log n)+{\rm O}(n^2)+{\rm O}(pn^2)$
    KPCA-OLPP ${\rm O}(d^3)+{\rm O}(nd)+{\rm O}(d^3)+ {\rm O}(dn \log n)+{\rm O}(n^2)$
    KPCA-LSDA ${\rm O}(d^3)+{\rm O}(nd)+{\rm O}(d^3)+ {\rm O}(dn \log n)+{\rm O}(n^2)$
    KPCA-OLSDA ${\rm O}(d^3)+{\rm O}(nd)+{\rm O}(d^3)+ {\rm O}(dn \log n)+{\rm O}(n^2)$
    下载: 导出CSV

    表  4  算法的特征提取时间 (s)

    Table  4  Feature extraction time (s) for algorithms

    降维数目 A1 A2 A3 A4 A5 A6
    3 0.210 1.300 0.527 5.306 3.323 3.541
    10 0.848 1.132 0.366 4.715 3.350 3.441
    20 0.939 1.136 0.448 4.767 3.443 3.371
    40 0.947 1.168 0.380 5.667 3.801 3.407
    60 0.704 1.312 0.388 5.632 3.564 3.331
    80 0.654 1.236 0.381 6.013 3.708 3.430
    下载: 导出CSV
  • [1] 艾延廷, 费成巍, 王志.基于改进模糊SVM的转子振动故障诊断技术.航空动力学报, 2011, 26(5):1118-1123 http://www.cnki.com.cn/Article/CJFDTOTAL-HKDI201105025.htm

    Ai Yan-Ting, Fei Cheng-Wei, Wang Zhi. Technique for diagnosing fault of rotor vibration based on improved fuzzy SVM. Journal of Aerospace Power. 2011, 26(5):1118-1123 http://www.cnki.com.cn/Article/CJFDTOTAL-HKDI201105025.htm
    [2] 徐宾刚, 屈梁生, 陶肖明.转子故障贝叶斯诊断网络的研究.机械工程学报, 2004, 40(1):66-72 http://www.cnki.com.cn/Article/CJFDTOTAL-JXXB200401013.htm

    Xu Bin-Gang, Qu Liang-Sheng, Tao Xiao-Ming. Study on Bayesian diagnostic network of rotor fault. Chinese Journal of Mechanical Engineering. 2004, 40(1):66-72 http://www.cnki.com.cn/Article/CJFDTOTAL-JXXB200401013.htm
    [3] 李月仙, 韩振南, 黄宏臣, 宁少慧.基于拉普拉斯特征映射的旋转机械故障识别.振动与冲击, 2014, 33(18):21-25 http://cdmd.cnki.com.cn/Article/CDMD-10534-1015812385.htm

    Li Yue-Xian, Han Zhen-Nan, Huang Hong-Chen, Ning Shao-Hui. Fault diagnosis of rotating machineries based on Laplacian eigenmaps. Journal of Vibration and Shock. 2014, 33(18):21-25 http://cdmd.cnki.com.cn/Article/CDMD-10534-1015812385.htm
    [4] 苏祖强, 汤宝平, 刘自然, 秦毅.基于正交半监督局部Fisher判别分析的故障诊断.机械工程学报, 2014, 50(18):7-13 http://www.cnki.com.cn/Article/CJFDTOTAL-JXXB201418002.htm

    Su Zu-Qiang, Tang Bao-Ping, Liu Zi-Ran, Qin Yi. Fault diagnosis method based on orthogonal semi-supervised local Fisher discriminant analysis. Chinese Journal of Mechanical Engineering. 2014, 50(18):7-13 http://www.cnki.com.cn/Article/CJFDTOTAL-JXXB201418002.htm
    [5] 陈法法, 汤宝平, 苏祖强.基于等距映射与加权KNN的旋转机械故障诊断.仪器仪表学报, 2013, 34(1):215-220 http://www.cnki.com.cn/Article/CJFDTOTAL-YQXB201301030.htm

    Chen Fa-Fa, Tang Bao-Ping, Su Zu-Qiang. Rotating machinery fault diagnosis based on isometric mapping and weighted KNN. Chinese Journal of Scientific Instrument. 2013, 34(1):215-220 http://www.cnki.com.cn/Article/CJFDTOTAL-YQXB201301030.htm
    [6] 张沐光, 宋执环. LPMVP算法及其在故障检测中的应用.自动化学报, 2009, 35(6):766-772 http://www.aas.net.cn/CN/abstract/abstract13339.shtml

    Zhang Mu-Guang, Song Zhi-Huan. LPMVP algorithm and its application to fault detection. Acta Automatica Sinica, 2009, 35(6):766-772 http://www.aas.net.cn/CN/abstract/abstract13339.shtml
    [7] Schölkopf B, Smola A, Müller K R. Kernel principal component analysis. Advances in Kernel Methods——Support Vector Learning, 2009, 27(4):555-559
    [8] 郭金玉, 苑玮琦.基于核主元分析和Fisher线性判别的掌纹识别.光电子·激光, 2008, 19(12):1698-1701 doi: 10.3321/j.issn:1005-0086.2008.12.031

    Guo Jin-Yu, Yuan Wei-Qi. Palmprint recognition based on kernel principal component analysis and fisher linear discriminant. Journal of Optoelectronics·Laser. 2008, 19(12):1698-1701 doi: 10.3321/j.issn:1005-0086.2008.12.031
    [9] Cai D, He X, Zhou K, Han J, Bao H. Locality sensitive discriminant analysis. In:Proceedings of the 2007 International Joint Conference on Artificial Intelligence, Hyderabad, India:ACM, 2007. 708-713
    [10] Jin Y, Ruan Q, Wu J. Gabor-based orthogonal locality sensitive discriminant analysis for face recognition. Journal of Information Science, Engineering, 2009, 25(2):419-433
    [11] 王蕴红, 范伟, 谭铁牛.融合全局与局部特征的子空间人脸识别算法.计算机学报, 2005, 28(10):1657-1663 doi: 10.3321/j.issn:0254-4164.2005.10.011

    Wang Yun-Hong, Fan Wei, Tan Tie-Niu. Face recognition based on information fusion. Chinese Journal of Computers, 2005, 28(10):1657-1663 doi: 10.3321/j.issn:0254-4164.2005.10.011
    [12] 张学工.模式识别.北京:清华大学出版社, 2010. 146

    Zhang Xue-Gong. Pattern Recognition. BeiJing:Tsinghua University Press, 2010. 146
    [13] 李娟, 王宇平.考虑局部均值和类全局信息的快速近邻原型选择算法.自动化学报, 2014, 40(6):1116-1125 http://www.aas.net.cn/CN/abstract/abstract18381.shtml

    Li Juan, Wang Yu-Ping. A fast neighbor prototype selection algorithm based on local mean and class global information. Acta Automatica Sinica, 2014, 40(6):1116-1125 http://www.aas.net.cn/CN/abstract/abstract18381.shtml
    [14] 霍天龙, 赵荣珍, 胡宝权.基于熵带法与PSO优化的SVM转子故障诊断.振动、测试与诊断, 2011, 31(3):279-284 http://www.cnki.com.cn/Article/CJFDTOTAL-ZDCS201103003.htm

    Huo Tian-Long, Zhao Rong-Zhen, Hu Bao-Quan. Fault diagnosis for rotor systems based on entropy Band method and support vector machine optimized by PSO. Journal of Vibration, Measurement, and Diagnosis, 2011, 31(3):279-284 http://www.cnki.com.cn/Article/CJFDTOTAL-ZDCS201103003.htm
    [15] 王泽杰, 胡浩民.流形学习算法中的参数选择问题研究.计算机应用与软件, 2010, 27(6):84-85, 102 http://www.cnki.com.cn/Article/CJFDTOTAL-JYRJ201006027.htm

    Wang Ze-Jie, Hu Hao-Min. On parameter selection in manifold learning algorithm. Computer Applications and Software, 2010, 27(6):84-85, 102 http://www.cnki.com.cn/Article/CJFDTOTAL-JYRJ201006027.htm
    [16] Chen F, Tang B, Chen R. A novel fault diagnosis model for gearbox based on wavelet support vector machine with immune genetic algorithm. Measurement, 2013, 46(1):220-232 doi: 10.1016/j.measurement.2012.06.009
    [17] 李雅倩, 李颖杰, 李海滨, 张强, 张文明.融合全局与局部多样性特征的人脸表情识别.光学学报, 2014, 34(5):172-178 http://www.cnki.com.cn/Article/CJFDTOTAL-GXXB201405027.htm

    Li Ya-Qian, Li Ying-Jie, Li Hai-Bin, Zhang Qiang, Zhang Wen-Ming. Fusion of global and local various feature for facial expression recognition. Journal of Acta Optica Sinica, 2014, 34(5):172-178 http://www.cnki.com.cn/Article/CJFDTOTAL-GXXB201405027.htm
    [18] 郑建炜, 王万良, 姚晓敏, 石海燕.张量局部Fisher判别分析的人脸识别.自动化学报, 2012, 38(9):1485-1495 http://www.aas.net.cn/CN/abstract/abstract17758.shtml

    Zheng Jian-Wei, Wang Wan-Liang, Yao Xiao-Min, Shi Hai-Yan. Face recognition using tensor local Fisher discriminant analysis. Acta Automatica Sinica, 2012, 38(9):1485-1495 http://www.aas.net.cn/CN/abstract/abstract17758.shtml
  • 加载中
图(5) / 表(4)
计量
  • 文章访问数:  2291
  • HTML全文浏览量:  334
  • PDF下载量:  973
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-04-07
  • 录用日期:  2016-07-18
  • 刊出日期:  2017-04-20

目录

    /

    返回文章
    返回