房立清， 吕 岩， 张前图， 齐子元

(军械工程学院 火炮工程系，石家庄 050003)

基于半监督邻域自适应LLTSA算法的故障诊断

房立清， 吕 岩， 张前图， 齐子元

(军械工程学院 火炮工程系，石家庄 050003)

为了有效利用振动信号进行故障诊断，提出了一种基于半监督邻域自适应线性局部切空间排列(SSNA-LLTSA)算法的故障诊断方法。从多域提取振动信号的混合特征，构建原始高维特征集。利用半监督邻域自适应线性局部切空间排列算法对原始特征集进行维数约简，提取出辨识性较高的敏感特征子集。将得到的低维特征输入SVM分类器进行识别，判断故障类型。液压泵故障诊断实验结果表明，该算法克服了LLTSA无监督和使用全局统一邻域参数的不足，可更有效地寻找数据的低维本质流形，提高了识别准确率，具有一定优势。

故障诊断；维数约简；半监督；邻域自适应；LLTSA

目前，机械设备的监测方式日趋多元化，设备运行监测数据涵盖了其工作状态的大量信息。振动信号通常作为设备状态信息的载体[1]，对其从多角度提取特征并进行分析处理是实现设备状态检测的常用方法。但经多角度特征提取创建的高维特征集中往往包含一定数量的非敏感特征，且存在大量的冗余和混叠信息[2]，降低了数据的区分度，影响机器识别精度。因此，须采用维数约简方法对高维多域特征集中敏感特征进行提取，获取分类错误率低、敏感性高的低维特征。

自Tenenbaum等[3-4]提出流形学习的方法后，流形学习在图像处理、人脸识别和故障诊断等领域得到了较为广泛的应用[5-6]，成为一类重要的维数约简算(法。……