在采用多源信息進(jìn)行機(jī)床故障診斷時(shí),需要特征降維以降低模型復(fù)雜度,但傳統(tǒng)的特征降維方法因涉及矩陣分解等原因時(shí)效性不高。針對(duì)此問(wèn)題,提出一種基于多源信息融合與高斯隨機(jī)映射的數(shù)控機(jī)床故障診斷方法。該方法針對(duì)多源信息的高維度特征,采用高效的隨機(jī)映射(RP)方法進(jìn)行降維,然后將降維后的特征向量輸入到支持向量機(jī)(SVM)進(jìn)行分類識(shí)別。實(shí)驗(yàn)表明,在處理高維數(shù)據(jù)時(shí),隨機(jī)映射在準(zhǔn)確性以及時(shí)效性方面優(yōu)勢(shì)明顯,利用該方法可以實(shí)現(xiàn)機(jī)床多種類型故障的高效、準(zhǔn)確診斷,具有重要的工程實(shí)用價(jià)值。

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
0 引言
1 基于信息融合的故障診斷方法
    1.1 多源數(shù)據(jù)時(shí)間配準(zhǔn)
    1.2 特征構(gòu)建與選擇
    1.3 高斯隨機(jī)降維與SVM診斷
2 實(shí)驗(yàn)與分析
    2.1 實(shí)驗(yàn)方案設(shè)計(jì)
    2.2 實(shí)驗(yàn)數(shù)據(jù)處理與計(jì)算
    2.3 實(shí)驗(yàn)結(jié)果分析
        (1)樣本長(zhǎng)度對(duì)診斷效果影響
        (2)不同降維方法精度和效率比較
        (3)多源數(shù)據(jù)融合前后效果的對(duì)比
3 結(jié)論



本文編號(hào)：4023609