论文部分内容阅读
针对传统流形学习方法难以处理大批量设备运行数据的特点，提出了一种采用增量式流形学习方法的机械设备状态监测方法．该方法首先利用局部切空间排列算法对训练样本集进行非线性维数约简，得到初始的低维流形结构，然后通过增量式学习机制对新增的时序样本点进行动态聚类．通过对压缩机喘振试验数据及滚动轴承故障数据的分析表明，该方法的计算复杂度低，可以有效地识别出隐藏在高维特征集中的非线性故障特征，因此具有良好的工程应用前景．