基于稀疏流形學(xué)習(xí)的振動(dòng)信號(hào)降維特征研究與應(yīng)用.pdf

1、隨著科技的發(fā)展，難以處理的高維數(shù)據(jù)普遍存在于各個(gè)領(lǐng)域中，對(duì)這些高維數(shù)據(jù)的處理還存在許多困難，因此從獲得的高維數(shù)據(jù)中提取出事物的本質(zhì)特征同時(shí)剔除冗余數(shù)據(jù)的干擾是一個(gè)亟待解決的重要問題?，F(xiàn)實(shí)中采集的高維數(shù)據(jù)大部分是非線性的，通過傳統(tǒng)的線性方法難以發(fā)掘出高維數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和相關(guān)性，難以揭示其流形分布，為高維數(shù)據(jù)的進(jìn)一步處理造成了困難。
　　針對(duì)線性方法存在的缺點(diǎn)已經(jīng)提出了一些非線性的降維方法，這些方法打破了傳統(tǒng)線性降維方法的框架。因?yàn)閷?shí)

2、際采集到的振動(dòng)信號(hào)也是非線性的，所以本文提取振動(dòng)信號(hào)特征所采用的是非線性降維方法中的局部線性嵌入算法。但是局部線性嵌入算法(LLE)的缺點(diǎn)是對(duì)數(shù)據(jù)噪聲比較敏感，隨著噪聲的增大算法穩(wěn)定性會(huì)逐漸變差。針對(duì)傳統(tǒng)算法的這一缺點(diǎn)，本文引入稀疏約束對(duì)算法進(jìn)行了改進(jìn)得到了稀疏約束的局部線性嵌入算法(LLE-L1)；并針對(duì)現(xiàn)有的隨機(jī)減量技術(shù)的不足，本文還提出了多重割線的隨機(jī)減量算法改進(jìn)思路，最后將改進(jìn)算法應(yīng)用在實(shí)際工程中驗(yàn)證了算法的有效性。
　　

3、稀疏約束的改進(jìn)LLE算法，通過加入稀疏約束之后使求得的最優(yōu)重構(gòu)權(quán)值矩陣更加稀疏，從而在求解過程中更好的消除了噪聲的影響。最后通過仿真實(shí)驗(yàn)驗(yàn)證算法的有效性，實(shí)驗(yàn)結(jié)果表明在不同噪聲條件下，稀疏約束的改進(jìn)LLE算法具有更強(qiáng)的抗噪能力。
　　多割線的隨機(jī)減量法使得參與求平均的子樣本數(shù)大大增加，在更大程度上消除了環(huán)境噪聲的影響，可以達(dá)到更好的自由響應(yīng)信號(hào)提取效果，從而為本文的算法提供良好的基礎(chǔ)信號(hào)。
　　將稀疏約束的LLE算法與小波包

4、變換相結(jié)合，提取經(jīng)過多重割線隨機(jī)減量算法處理的清水浦大橋斜拉索上采集的振動(dòng)信號(hào)的WPE能量流流形特征，最后將提取的特征作為支持向量機(jī)的分類依據(jù)，從而實(shí)現(xiàn)故障分類識(shí)別，并與WPE向量，WPE矩陣，小波時(shí)間熵等特征量作對(duì)比分析，表明算法具有很高的精確性、穩(wěn)定性和可靠性。
　　綜上所述，本文引入稀疏約束對(duì)傳統(tǒng)的局部線性嵌入算法進(jìn)行了改進(jìn)，但是對(duì)于樣本數(shù)據(jù)點(diǎn)較多的情況，為了找到全局最優(yōu)解，L1范數(shù)在求解過程中要進(jìn)行多次迭代，這樣導(dǎo)致LLE