滾動軸承故障診斷中的特征提取與選擇方法.pdf

1、軸承故障診斷的實質(zhì)是模式識別，包括信號采集、特征提取與選擇和狀態(tài)識別，其中特征提取與選擇尤為重要，其效果的好壞直接影響到了模式識別的成敗。
　　滾動軸承運行時產(chǎn)生的振動信號是復(fù)雜的非平穩(wěn)、非線性信號，如何從振動信號中提取出全面準(zhǔn)確反映軸承運行狀態(tài)的故障特征至關(guān)重要。為有效利用時域、頻域、時-頻域中各類具有顯著類別差異信息的非平穩(wěn)統(tǒng)計特征，提出一種新的混合域特征集的構(gòu)建方法，使得混合域特征集比單個特征或單域特征更能全面準(zhǔn)確反映軸承運

2、行狀態(tài)特性。
　　針對混合域特征集存在維數(shù)過高、特征之間相關(guān)嚴(yán)重的問題，分別利用主元分析和核主元分析對混合域特征集進(jìn)行二次特征提取，與主元分析相比核主元分析在降維降噪的同時可充分提取故障信息中的非線性成分；針對核主元分析在提取特征時沒有充分考慮類別信息的不足，提出了基于核費舍爾判別分析的軸承故障混合域特征二次提取方法，提高了適于模式識別的可分性。
　　為了削弱特征選擇方法中傳統(tǒng)的閾值確定所存在的盲目性對特征選擇效果的影響，提