李 锋，汤宝平，郭 胤

(1.四川大学 制造科学与工程学院，成都 610065；2.重庆大学 机械传动国家重点实验室，重庆 400044；3.四川航天技术研究院 总体设计部，成都 610100)

Laplacian双联最小二乘支持向量机用于早期故障诊断

李 锋1，汤宝平2，郭 胤3

(1.四川大学 制造科学与工程学院，成都 610065；2.重庆大学 机械传动国家重点实验室，重庆 400044；3.四川航天技术研究院 总体设计部，成都 610100)

提出基于Laplacian双联最小二乘支持向量机(Laplacian Twin Least Squares Support Vector Machine， Lap-TLSSVM)半监督模式识别的新型早期故障诊断方法。用时、频域特征集广泛收集旋转机械不同早期故障的特征信息，再用提升半监督局部Fisher判别分析(Enhanced Semi-Supervised Local Fisher Discriminant Analysis， ESSLFDA)将高维时、频域特征集约简为具有更好类区分度的低维特征向量，并输入到Lap-TLSSVM中进行早期故障诊断。Lap-TLSSVM引入了包含大量无标签数据信息的流形规则实现半监督学习；其目标函数只含等式约束条件，且用共轭梯度法求解目标函数的线性方程组以加速训练过程。所提出的方法在训练样本非常稀少的情况下具有较高的诊断精度和计算效率。深沟球轴承早期故障诊断实验验证了该方法的有效性。

旋转机械；流形学习；Laplacian双联最小二乘支持向量机；半监督学习；故障诊断

轴承、转子、齿轮等旋转部件是机械装备的重要组成部分，起到支撑载荷、传递运动和动力的关键作用。然而这些旋转部件一旦出现故障得不到及时诊断和处理，任由其发展、扩大，将会引起整台机械装备的重大事故以及代价高昂的长期停工。因此，及时准确地诊断出处于早期发生阶段的微弱或潜在故障意义重大，这有助于及早掌握旋转机械性能退化的征兆，对故障的发生发展起到防微杜渐的作用[1]。……