泰约A2-锡尔伯施密特，瓦迪姆V。AU-Jiang，Li AU-Guo，Shunsheng PY-2016 DA-2016/12/25 TI-改进核边缘Fisher特征提取及其在轴承故障诊断中的应用SP-1205868 VL-2016 AB-缺陷轴承的高维特征通常包含冗余和无关信息，这会降低诊断性能。因此，提取敏感的低维特征对于提高诊断性能至关重要。本文提出了一种改进的核边缘Fisher分析方法（MKMFA），用于降维特征提取。由于MKMFA在增强组内紧致性和组间分散性方面的优异性能，它能够有效地提取敏感的低维流形特征，即使在很少的训练样本下也有利于后续的模式分类。提出了一种基于MKMFA的轴承故障诊断模型，并将其应用于轴承故障的识别。首先利用MKMFA直接从高维环境空间的原始时间序列信号样本中提取低维流形特征。然后将特征空间中敏感的低维特征输入到图像中 K -最近邻分类器，以区分各种故障模式。四种故障类型和十种故障严重度的轴承故障诊断实验结果表明，与其他五种方法相比，该方法具有可行性和优越性。编号：1070-9622https://doi.org/10.1155/2016/1205868 DO-10.1155/2016/1205868 JF-冲击和振动PB-印达维出版公司KW-ER-