自适应Hessian LLE在机械故障特征提取中的应用

摘要

针对机械故障中高维特征提取难的问题,提出了一种自适应选择邻域的流形学习算法.该算法基于流形局部弯曲度估计切空间,能使所有样本点自适应地选择邻域.将自适应选择邻域算法应用到海森局部线性嵌入(HLLE)中,改进后的HLLE在邻域图构建方面更能保证局部线性度,从而保证了Hessian LLE的降维性能.最终将自适应HLLE应用于滚动轴承4种不同状态的故障特征提取中,从提取样本的低维特征与识别精度的结果表明,自适应HLLE算法能够在邻域选择上对参数的选取具有较强的鲁棒性,提取机械故障的低维特征更加准确.