本發(fā)明提供一種基于加權(quán)多特征融合和SVM分類(lèi)的故障特征篩選方法,步驟如下:一:獲取時(shí)序數(shù)據(jù)
二:提取時(shí)域(T)、頻域(P)、能量(E)及熵特征(S),形成高維特征集(Q);三:篩選出診斷率大于50%的特征(Q1)并進(jìn)行相關(guān)性分析,剔除相似度超過(guò)85%的特征(Q2);四:通過(guò)PCA及載荷評(píng)分法選出得分最高的特征,形成新的子特征集(T3、P3、E3、S3);五:對(duì)T3、P3、E3、S3進(jìn)行SVM診斷,根據(jù)診斷率R
i得到權(quán)重W
i;六:進(jìn)行特征的加權(quán)融合;七:融合后特征輸入分類(lèi)器進(jìn)行診斷。通過(guò)以上步驟,得到一組能夠維持故障內(nèi)在信息的最佳特征,保證特征所代表的原始失效信息、提高故障診斷正確率,對(duì)高效進(jìn)行機(jī)械故障診斷具有重要意義。
聲明:
“基于加權(quán)多特征融合和SVM分類(lèi)的故障特征篩選方法” 該技術(shù)專(zhuān)利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專(zhuān)利(論文)的發(fā)明人(作者)