基于離散小波變換的特征提取和故障分類方法研究.pdf

1、隨著工業(yè)生產(chǎn)技術的快速發(fā)展，工業(yè)系統(tǒng)越來越趨于大規(guī)?；蛷碗s化，系統(tǒng)狀態(tài)量逐漸增多，樣本中輸入向量維度不斷增大，導致分類器結構復雜。因此，如何降低高維的輸入樣本維度，提取有效的故障特征成為當前故障診斷的難題之一。工業(yè)生產(chǎn)系統(tǒng)結構復雜，其故障類型多種多樣，導致分類器的分類精度較低。因此，提高故障多分類精度，準確定位故障位置也是當前研究的熱點問題。為了解決系統(tǒng)故障樣本特征提取和故障分類問題，針對多狀態(tài)量、多故障類型系統(tǒng)的特點，提出了特征提取

2、和故障分類方法。
　　針對一類故障樣本輸入向量維度高的復雜工業(yè)系統(tǒng)，考慮到單一方法的局限性，本文設計了基于離散小波變換，相空間重構，奇異值分解的特征提取方法。該方法能夠在保留有效故障特征的前提下，大幅度地降低輸入樣本的維度，簡化分類器設計難度，提高故障分類的速度。利用軸承數(shù)據(jù)進行驗證，實現(xiàn)了降低樣本輸入向量維度，快速提取準確故障特征的目的。
　　此外，針對一類多狀態(tài)量、多故障類型系統(tǒng)，本文提出了基于多層聚類和支持向量機的故障