论文部分内容阅读
针对传统非负张量分解收敛速度慢，分解精度低的难题，结合three semi—NMF模型，将局部目标函数理论应用于非负张量分解中，提出了基于局部分层的非负张量分解算法，并通过人脸特征提取实验验证了算法的有效性．通过对由空压机不同故障振动信号的双谱构成的张量按该算法分解，得到反映故障特征的基图像及与基图像对应的权值矩阵，建立了特征与故障频率之间的对应关系，并将权值矩阵输入到BP神经网络中对故障进行分类．同时将该方法与其他特征提取方法相比较，实验结果表明该方法有效地提高了空压机故障诊断精度．