论文部分内容阅读
字典学习是一种有效的统计机器学习方法,也被应用于工业过程的故障诊断。初始字典直接影响对数据特征的表达,从而影响故障诊断效果。本文采用PCA/KPCA来对初始字典进行优化,以获得原子间冗余度小、特征表达准确的初始字典。提出了用PCA/KPCA优化初始字典的故障诊断算法框架,讨论了离线学习和在线诊断的核心问题。以机车变压器冷却油泵为对象进行了试验,取6对差动感测线圈输出为样本,对比了5种算法的故障诊断、故障定位及故障类型判别性能。结果表明:基于字典学习的故障诊断优于传统PCA、KPCA算法;用PCA/KPCA