[发明专利]一种基于线性判别分析的轴承特征数据分析方法

摘要

本发明公开了一种基于线性判别分析的轴承特征数据分析方法，通过基于线性判别分析将原始数据往最容易实现分类的方向上投影实现降维，通过轴承样本数据类内散列矩阵和类间散列矩阵共同确定投影方向，保证了投影方向的正确性。同时通过对轴承故障数据进行线性判别降维处理，在剔除大量误差信息的同时，确保能保留有效故障特征信息，同时降维方向为数据更易进行故障分类的投影方向，故能有效提高后期BP神经网络故障诊断的准确率。

主权项

一种基于线性判别分析的轴承特征数据分析方法，其特征在于包括以下步骤：步骤一，由轴承故障样本个数m和轴承故障指标个数n构建轴承故障数据矩阵Xm×n，并定义其最佳投影向量为wT；步骤二，定义每类故障样本的均值μi，并得出经投影后的向量，再引入散列矩阵si来衡量每个类里样本点之间的分布情况，进而得出类内样本散列值Sw，对应的投影后得出每个类样本点相对于该类中心点的散列程度进而得出所有类的样本散列值投影步骤三，以样本点较多的类别中的样本点个数Ni为散列权重定义类间散列值SB，对应的得出投影后的类间散列度矩阵步骤四，根据类内样本散列值Sw和类间散列值SB定义最终衡量样本的度量公式J(w)，对应的得出投影后的度量公式步骤五，对进行归一化处理并由拉格朗日求极限的方法计算目标函数的最大值，进而得出轴承故障数据矩阵Xm×n的最佳降维投影向量WT，进而得出轴承故障数据矩阵Xm×n投影后的向量Y；步骤六，通过将复合轴承故障数据经最佳降维投影向量WT降维后对轴承故障数据进行分析处理。