基于PCA-FastICA的故障信号分离识别方法

• 作者: 张翔 王红军 彭宝营
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 关键词: 主成分分析 协方差矩阵 奇异值分解 FastICA
• 年，卷（期）: 2021,（1）
• 页码范围: 1-5,10
• 页数: 6页
• 分类号: TH212|TH213.3
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2021.01.001

摘要

针对燃气轮机转子系统故障信号成分分类复杂、预处理困难的问题,提出了基于改进PCA-FastICA的故障信号识别方法.首先用PCA算法对信号进行零均值处理,然后根据协方差矩阵的特征值与特征向量和奇异值分解原理的奇异值(向量)之间的计量关系,获取降序排列的特征值及对应的特征向量,简化PCA计算流程,将优化的低维特征矩阵用于FastICA进行分类训练.实验结果表明:降维后的数据能保留原始信号大部分有用信息,通过FastICA能有效分离识别故障信号,对进一步分析转子故障信号提供一种有效的途径.