项目名称: 基于流形学习的航空发动机故障诊断技术研究

项目编号: No.51505492

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 机械、仪表工业

项目作者: 张赟

作者单位: 中国人民解放军海军航空大学

项目金额: 21万元

中文摘要: 航空发动机故障诊断中一个有挑战性的难题是如何处理具有高维数、非线性化特点的采样数据。针对这一问题,基于振动采样信号位于嵌入于高维信号空间中低维非线性流形上的假设,本项目利用流形学习理论,研究新型的航空发动机故障诊断技术,对需要解决的若干关键问题进行深入研究,主要包括:构建一种以保持数据邻域信息不变,并最大化子流形间距为目标的多流形学习模型,以实现发动机故障特征的有效提取;以加权局部主元分析为基础,结合贝叶斯估计理论,研究流形内蕴维数的鲁棒自适应优化估计方法;研究基于矩阵分解理论的流形学习增量式泛化算法,以解决新增故障的映射识别问题;研究一种基于局部流形几何信息的新型分类器,使之适合流形特征提取背景下的故障分类。以上研究内容将推动流形学习理论在航空发动机故障诊断领域中的应用,为如何对高维非线性振动采样数据进行故障特征提取与识别的难题提供有效的解决途径,提高发动机故障诊断的准确性。

中文关键词: 流形学习;故障诊断;航空发动机;非线性降维;振动信号

英文摘要: How to deal with the high-dimensional and nonlinear data is a challenging problem for aero-engine fault diagnosis. Following the intuition that the measured signal samples usually distribute on or near the nonlinear low-dimensional manifolds embedded in the high-dimensional signal space, a novel aero-engine fault diagnosis based on manifold learning is proposed. Several crucial problems are researched. A multiple manifold model which keeps the local data information and maximizes the distance of manifolds is proposed for fault feature extraction. The optional and robust estimation of reduced dimension is researched by local principal component analysis and Bayesian methods. The generalization of manifold learning based on maxtirx decomposition is proposed for mapping the new fault data. The new classifier based on local manifold geometry is researched for fault classification. The research could promote the application of manifold learning to aero-engine fault diagnosis, and provide an effective approach to sovle the fault recognition with high-dimensional and non-linear samples, which could improve the accuracy of aero-engine fault diagnosis.

英文关键词: manifold learning;fault diagnosis;aero-engine;nonlinear dimensionality reduction;vibration signal

成为VIP会员查看完整内容
3

相关内容

流形学习,全称流形学习方法(Manifold Learning),自2000年在著名的科学杂志《Science》被首次提出以来,已成为信息科学领域的研究热点。在理论和应用上,流形学习方法都具有重要的研究意义。假设数据是均匀采样于一个高维欧氏空间中的低维流形,流形学习就是从高维采样数据中恢复低维流形结构,即找到高维空间中的低维流形,并求出相应的嵌入映射,以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质,找到产生数据的内在规律。
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
51+阅读 · 2021年3月22日
专知会员服务
76+阅读 · 2020年12月6日
斯坦福EE364a《凸优化》课件,301页ppt
专知会员服务
93+阅读 · 2020年7月14日
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
259+阅读 · 2020年6月10日
还在修改博士论文?这份《博士论文写作技巧》为你指南
专知会员服务
107+阅读 · 2020年5月21日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
63+阅读 · 2020年3月16日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
28+阅读 · 2021年9月26日
小贴士
相关VIP内容
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
51+阅读 · 2021年3月22日
专知会员服务
76+阅读 · 2020年12月6日
斯坦福EE364a《凸优化》课件,301页ppt
专知会员服务
93+阅读 · 2020年7月14日
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
259+阅读 · 2020年6月10日
还在修改博士论文?这份《博士论文写作技巧》为你指南
专知会员服务
107+阅读 · 2020年5月21日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
63+阅读 · 2020年3月16日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员