故障特征选择与特征信息融合的加权KPCA方法研究

摘要：

针对旋转机械振动故障特征与故障类别间不完全对应问题，以双跨转子系统12个通道的故障信息集合为研究对象，提出一种基于加权核主成分分析的故障敏感特征集合提取方法。通过对每个通道的振动信号进行时域、频域、时频域的特征提取，得到一种描述双跨转子系统的原始故障特征集合。采用多准则特征选择方法对这种原始故障特征集合进行特征属性筛选，得到一种利于故障分类的敏感特征集合。对这12个通道的敏感特征集合进行信息融合处理，可得到一种多通道信息的融合特征向量，利用加权核主成分分析方法提取出融合特征向量中的核主成分。结果表明，这种核主成分能够显示出故障类别间的较显著差异，和具有较好的敏感特征子集寻优能力。该研究为解决好双跨转子系统的故障数据集的类别划分问题，提供了一种新途径。

关键词：特征选择、特征信息融合、加权核主成分分析、故障诊断

分类号：TH133;TP18

资助基金：国家自然科学基金项目50875118；51165019

在线出版日期：2014-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-93,121