[发明专利]基于正交局部保持映射（OLPP）特征约简的故障诊断方法

权利要求书

1.一种旋转机械故障诊断领域的基于正交局部保持映射(OLPP)特征约简的故障诊断方法，其特征在于：包括如下具体步骤：

步骤一，对正常训练样本和测试样本以经验模式分解(EMD)的技术进行分解，分别得到多层内禀模态函数(IMF)分量；

步骤二，对所有内禀模态函数(IMF)分量构造瞬时幅值香农(Shannon)熵，得到n维特征向量，n为内禀模态函数(IMF)分量层数；

步骤三，利用正交局部保持映射(OLPP)同时对训练和测试样本的n维特征向量进行维数约简，分别得到k维特征向量，k作为参数设定，且要求1≤k＜n；

步骤四，将训练样本的k维特征向量输入莫莱特(Morlet)小波支持向量机(MWSVM)进行训练，得到训练好的莫莱特(Morlet)小波支持向量机(MWSVM)；

步骤五，将测试样本的k维特征向量输入训练好的莫莱特(Morlet)小波支持向量机(MWSVM)进行故障分类，得出各测试样本的识别结果。

2.根据权利要求1所述的基于正交局部保持映射(OLPP)特征约简的故障诊断方法，其特征在于：所述对训练样本和测试样本进行经验模式分解(EMD)，是指采用经验模式分解(EMD)方法，将训练和测试样本的多分量调制故障信号分解为多层单分量的调幅-调频(AM-FM)成分——内禀模态函数(IMF)：

c_i(t)＝a_i(t)cos(φ_i(t))，i＝1，Λ，n，

式中n为内禀模态函数(IMF)分量的层数。

3.根据权利要求1所述的基于正交局部保持映射(OLPP)特征约简的故障诊断方法，其特征在于：所述构造瞬时幅值香农(Shannon)熵，是指对训练和测试样本的n层内禀模态函数(IMF)分量进行希尔伯特(Hilbert)变换解调得到各层内禀模态函数(IMF)分量的瞬时幅值：

式中 对瞬时幅值构建香农(Shannon)熵： 

式中，i表示第i层IMF分量，N为每层内禀模态函数(IMF)分量数据长度，以香农(Shannon)熵为元素构造归一化特征向量

x＝[E₁/E，E₂/E，Λ，E_i/E，Λ，E_n/E]

式中：

瞬时幅值香农(Shannon)熵特征向量x因符号和绝对值大小的不同可粗略地表征各类故障的互异性。