刘远红　黄颖涛

摘 要 提出一种基于全局约束的局部融合线性嵌入方法，该方法首先在原始空间对数据进行低秩约束，捕捉数据的全局子空间结构，同时去除数据噪声；其次分别在低秩子空间和原始空间中挖掘数据的两种几何结构；然后，通过重构误差评估两种结构的重要性，实现两种结构的线性融合；最后，构建数据的低维重构函数，完成数据显著特征的提取。在标准的轴承数据集与实验室采集的数据集上进行验证，结果表明：所提方法能够很好地利用数据的全局信息以及局部重构信息，更具鲁棒性，故障识别率也得到了相应的提高。

关键词 局部线性嵌入 特征提取 低秩约束 全局结构 局部结构 数据降维

中图分类号 TP391   文献标识码 A   文章编号 1000-3932（2023）04-0529-09

随着现代化生产系统对安全性［1］和稳定性［2］要求的提高，机械故障诊断技术［3］得到了迅速发展。振动信号［4］中蕴含了设备丰富的信息，因此振动信号常用于机械设备的故障诊断。然而在实际应用中，采集的振动信号冗维度高，这就导致有限的数据在空间中的分布变得稀疏［5］，难以形成有效的簇，增加了对数据分析的难度。因此从高维数据中提取出能表征原始数据最本质的特征［6］是非常必要的。

流形学习［7］作为一种非线性降维方法，已成为近年的研究热点。流形学习的基本思想是在高维空间中挖掘数据的某种局部结构，并在低维流形中保持这种结构不变，实现对数据显著特征的提取。……