论文部分内容阅读
流形学习算法是一种非线性的数据降维方法,通过对高维空间数据的学习,可以获得数据的低维几何结构,比传统的维数约简方法更能体现事物的本质。本文采用流形学习算法进行旋转机械振动故障特征提取,建立了基于流型算法的特征识别数学模型,极大地保留振动原始特征的非线性信息。并将提取后的振动特征作为概率神经网络的输入,采用神经网络进行故障诊断。结果表明,基于流形学习的旋转机械振动特征提取方法,有效提高了故障样本的分类能力,提高了故障诊断的精度。