基于流形学习的机械设备早期故障诊断理论与关键技术研究

项目名称： 基于流形学习的机械设备早期故障诊断理论与关键技术研究

项目编号： No.51405449

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 机械、仪表工业

项目作者： 蒋永华

作者单位： 浙江师范大学

项目金额： 24万元

中文摘要： 针对机械设备早期故障征兆不明显、特征耦合、动态发展等特点，提出集多征兆特征融合、解耦、动态模式识别及新增样本动态添加等功能于一体的流形学习新思路、新方法。主要内容：①研究“多征兆域融合→特征约简→动态模式识别”的理论架构，构建基于新模式的机械设备早期故障诊断理论模型；②探索主流形学习的微弱特征提取新原理，研究多征兆域特征集构造和融合方法，实现对设备早期故障微弱特征的全面搜集和融汇；③研究强耦合早期故障特征解耦方法，引入分类监督机制和空间距离测度方法，实现对不同类型早期故障特征的有效解耦和分离；④进行动态模式识别模型研究，引入多流形空间嵌入智能决策和等距映射机制，实现对设备状态变化的动态跟踪和准确描述；⑤开展增量式学习机制研究，解决新增样本动态添加问题，实现新增样本与现有样本的自适应学习和融合。本项目的研究具有重要的理论意义，对于保障大型机械设备的安全、可靠、高效运行也具有重要的经济价值。

中文关键词： 流形学习；早期故障诊断；状态监测；微弱特征提取；旋转机械

英文摘要： Aiming at characteristics of machinery early fault such as feature weak, feature coupling and dynamic development, a new idea and method based on manifold learning that posseses functions of multi-symptom domains feature fusion, decoupling, dynamic patter

英文关键词： manifold learning；early fault diagnosis；condition monitoring；weak feature extraction；rotating machinery