基于SMF-WPR-KPCA算法的轴承特征提取

• 作者: 朱骏 马洁
• 来源期刊: 机械工程与自动化
• 学科: 工学
• 关键词: 非线性 PCA KPCA 特征提取 轴承
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 试验研究
• 页码范围: 25-27,30
• 页数: 4页
• 分类号: TN911.7:TH133.3
• 字数: 1965字
• 语种: 中文

摘要

针对轴承振动数据的非线性和特征维数冗余问题,提出了一种将滑动中值滤波技术、小波包重构技术和核主元分析结合(SMF-WPR-KPCA)的特征提取方法.该方法首先利用滑动中值滤波技术对原始数据进行滤波,消除异常点并保持边缘特性;之后对数据标准化处理以及傅里叶变换,确定数据频谱特征显著区域;然后对数据进行小波包分解再叠加重构频谱显著区域数据,并对新数据提取新的时域特征;最后进行核主元分析,得到特征图像并定量描述特征区域.利用NASA的全寿命轴承数据进行实验仿真验证,结果表明,相比PC A模型,该方法有效地解决了数据的非线性特性,压缩了特征维数,具有更好的特征状态识别和分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马洁	北京信息科技大学自动化学院	48	194	8.0	13.0
2	朱骏	北京信息科技大学自动化学院	1	0	0.0	0.0