[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

摘要

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。

主权项

1.一种非线性非平稳微弱复杂振动故障信号的特征提取方法，其特征在于：基于核函数的非线性映射能力，将核函数用于主减速器非线性、非平稳降噪信号的维度降低，从而实现特征信息的提取；包括如下步骤：步骤一，对样本进行预处理；所述样本采用主减速器振动信号数据集中较常见故障模式样本的振动信号作为实验的故障样本集，包括磕碰、齿面毛刺、齿面磨损、齿面硬点、断齿、齿面胶合6种故障模式；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；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；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：