基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用

胡金海; 谢寿生; 汪诚; 李应红; 杨帆

Chinese

您当前的位置：

首页 >

文章列表页 >

基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用

自动控制 | 更新时间：2026-07-07

- 基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用
- Feature extraction based on rough kernel Fisher discriminant analysis and its application on aeroengine fault diagnosis
- 航空动力学报 2008年23卷第7期
- 作者机构：
  
  空军工程大学工程学院,西安,710038
- 作者简介：
- 基金信息：
  
  国家自然科学基金(60672179);军队重点科研基金(2003KJ01705)
- DOI：
  中图分类号：
- 纸质出版：2008
- 稿件说明：
移动端阅览
胡金海, 谢寿生, 汪诚, 等. 基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用[J]. 航空动力学报, 2008,23(7).

HU Jin-hai, XIE Shou-sheng, WANG Cheng, et al. Feature extraction based on rough kernel Fisher discriminant analysis and its application on aeroengine fault diagnosis[J]. 2008, 23(7).
胡金海, 谢寿生, 汪诚, 等. 基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用[J]. 航空动力学报, 2008,23(7). DOI：

HU Jin-hai, XIE Shou-sheng, WANG Cheng, et al. Feature extraction based on rough kernel Fisher discriminant analysis and its application on aeroengine fault diagnosis[J]. 2008, 23(7). DOI：

摘要

将粗糙集理论的属性约简与核Fisher鉴别分析方法结合起来

提出一种基于粗糙核Fisher鉴别分析的故障特征提取方法.首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征

降低输入特征维数

排除干扰特征的影响

减小了特征提取计算量;再采用核Fisher鉴别分析方法进一步提取非线性特征;最后将该方法应用于航空发动机滑油系统故障特征提取及故障识别中.结果表明:该方法获取的特征在提高分类正确率的同时

还有效地降低了输入特征维数

提高了分类效率

并且对分类器具有较强的适应性和鲁棒性.

Abstract

A new approach based on rough kernel fisher discriminant analysis(RKFDA) was proposed for aeroengine fault feature extraction

which combined rough set and kernel Fisher discriminant analysis.Firstly

rough set was used to exclude the features irrelevant to the fault;reduce the dimension of features

remove the effect of disturbance characteristics and cut down the cost of computation.Secondly

kernel Fisher discriminant analysis was employed on the obtained subset of features to extract the nonlinear features.Finally

fault extraction and recognition experiments in aeroengine lubricating oil system were carried out to test the performance of this method.The results show that the extracted features based on the proposed method could improve the recognition for aeroengine fault

and reduce efficiently the dimension of features with strong adaptability and robustness for various classifiers.

关键词

Keywords

references

浏览量

484

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

粒子群优化的粗糙集-神经网络在航空发动机故障诊断中的应用

基于小波神经网络的齿轮系统故障诊断

人工神经网络融合诊断航空发动机气路故障

基于变精度粗糙集的航空发动机故障诊断

转子故障的连续小波尺度谱特征提取新方法