基于半监督流形学习的非线性故障检测方法

基于半监督流形学习的非线性故障检测方法，属于机电设备故障诊断领域。该方法包括：（1）对监测机电设备进行振动信号数据采集与预处理，经过混合域特征提取，获取代表设备运行状态的初始样本集；（2）采用半监督拉普拉斯特征映射算法，对设备样本进行流形特征提取，获取故障敏感的本质流形特征；（3）在低维流形特征空间中建立基于LS-SVM的智能诊断模型，实现对设备故障运行状态的模式识别与诊断决策。本发明采用的半监督流形学习算法，能够有效地提取振动信号样本的非线性几何流形特征，判断设备运行状态的故障类别，提高了故障检测的针对性和准确性。本发明可广泛应用于各种机械设备的故障检测和诊断分析中。