基于流形学习的汽轮机转子振动故障特征提取

流形学习算法是一种非线性的数据降维方法,通过对高维空间数据的学习,可以获得数据的低维几何结构,比传统的维数约简方法更能体现事物的本质。针对汽轮机转子故障诊断中原始特征并不具有良好的可分性,必须进行特征提取这一问题,提出了将流形学习理论应用于汽轮机转子振动故障特征的提取的方法,极大地保留原始特征的非线性信息,改善了故障诊断的分类识别能力。实验证明,基于流形学习的汽轮机转子振动故障特征提取方法,提高了故障诊断的准确率。