关键词：煤矿机械轴承;故障诊断;特征选择;嵌入学习;稀疏回归;K-最近邻
摘 要：针对传统的特征选择算法用于煤矿机械轴承故障诊断时将嵌入学习和特征排序分开，无法准确选择出能表征高维数据集的子集和故障诊断准确率不高的问题。文章提出了一种基于嵌入学习与稀疏回归的煤矿机械轴承故障诊断方法。该方法首先构造嵌入学习模型，学习高维数据的流形结构；其次，在回归模型中引入具有组稀疏性的l_2,1范数，有效剔除冗余特征；然后联合嵌入学习和稀疏回归构造特征选择框架，选择出能准确表征原始高维数据的本质特征；最后通过与K-最近邻算法相结合进行煤矿机械轴承的故障诊断。实验结果表明，提出的模型显著提高了煤矿机械轴承的故障诊断精度。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取