[发明专利]一种非线性非平稳微弱复杂振动故障信号的特征提取方法

说明书

本发明公开了一种非线性非平稳微弱复杂振动故障信号的特征提取方法，包括如下步骤：步骤一，对样本进行预处理；步骤二，选择基核函数；步骤三，对基核函数进行组合；步骤四，构造多核函数并将其输入空间映射至一个低维空间，提取特征向量。该方法基于核函数的非线性映射能力，将核函数用于非线性、非平稳降噪信号的维度降低，从而实现特征信息的提取。

技术领域

本发明属于信号检测技术领域，具体涉及一种非线性非平稳微弱复杂振动故障信号的特征提取方法。

背景技术

主减速器是汽车传动系统中的关键部件，其状态对车辆的舒适度和安全性具有直接的影响。由于主减速器经常处于具有强噪声的工作环境中，造成其振动信号的成分比较复杂，而且信噪比比较低。对于这些非线性、非平稳的高维信号中的复杂特征成分，提取出能反映主减速器运行状态的非平稳、非线性的微弱特征成分尤为重要。传统的特征提取方法针对这种复杂且多成分的信号，提取出有效的微弱特征成分的效率较低。

在现有的特征提取技术中，主成分分析方法和线性判别分析方法是线性特征提取方法，只适合于线性分布的数据，无法处理非线性数据。基于单核函数的非线性方法(核判别分析方法、核子类判别分析)由于只选择了一个固定的核函数用于实现数据的非线性映射，将其应用于所有的数据集会导致其分类性能较低。传统二阶段多核学习方法(Two_s-MKL)的基核函数是预先定义好的，由于同时解决基核函数权重的确定以及基于生成的多核函数的数据降维两个问题，导致算法比较复杂、效率较低。

发明内容

针对现有技术中存在的上述问题，本发明提供了一种非线性非平稳微弱复杂振动故障信号的特征提取方法，该方法基于核函数的非线性映射能力，将核函数用于非线性、非平稳降噪信号的维度降低，从而实现特征信息的提取。

为此，本发明采用了以下技术方案：

一种非线性非平稳微弱复杂振动故障信号的特征提取方法，包括如下步骤：

步骤一，对样本进行预处理；

步骤二，选择基核函数；

步骤三，对基核函数进行组合；

步骤四，构造多核函数并将其输入空间映射至一个低维空间，提取特征向量。

优选地，步骤二的具体过程如下：首先，使用若干种比较常用的核函数作为候选基核函数；然后，基于具有不同参数的各种候选基核函数，获得多个基核函数族，将这些基核函数族组合起来构成一个候选基核函数集；最后，使用KTAMRMR标准对候选基核函数集KC中的基核函数进行选择，获得由m个选中的基核函数所组成的子集KC_m。

进一步地，KC_m的具体求解过程如下：

(1)计算类别核矩阵Y；

(2)根据如下公式计算基核函数集KC中的每一个候选基核函数K_i与类别核矩阵Y之间的相关性：

(3)令KC_m-1表示由已选出的m-1个基核函数所组成的集合，则第i个候选基核函数K_i与KC_m-1中的所有已选基核函数之间的平均相关性定义为：

其中，K_i∈KC-KC_m-1；

(4)根据MRMR准则，假设当前的候选基核函数子集为KC-KC_m-1，则接下来被选中的第m个基核函数一定是与类别核矩阵的相关性最高，并且与已选中的m-1个基核函数的冗余性最小的基核函数，表示为：