主权项 |
一种基于EMD‑PCA的往复压缩机智能诊断方法,其特征在于包括以下步骤:1)基于EMD的特征提取:选取往复压缩机的五种工况进行故障特征提取,首先对采集到的非平稳信号进行EMD分解,选取每种故障分解出的前六层IMF波形数据,计算每一层IMF波形数据频谱,分别计算每层IMF波形频谱成分中0‑1000Hz,1000‑2000Hz,2000‑3000Hz,3000‑4000Hz,4000‑5000Hz的能量;每种工况的一个加速度波形得到6x5个特征,共30个特征值,每组波形生成的30个特征值构成了30维的特征向量;2)维度缩减的实现:对采用EMD分解后提取的30个特征向量,运用PCA方法对特征进行降维,将30维的特征向量空间缩减为3维特征向量空间;运用PCA进行主成分分析的步骤如下:(a)从非平稳信号中提取的30个特征参数Xi,i=1,2,3,…,30,特征参数Xi维度为N,j=1,2,…,N;(b)建立样本矩阵M:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>M</mi><mi>ij</mi></msub><mo>=</mo><mfrac><mrow><msub><mi>X</mi><mi>ij</mi></msub><mo>-</mo><mfrac><mrow><mi>Σ</mi><msub><mi>X</mi><mi>ij</mi></msub></mrow><mi>N</mi></mfrac></mrow><msqrt><mi>Σ</mi><msup><mrow><mo>(</mo><msub><mi>X</mi><mi>ij</mi></msub><mo>-</mo><mfrac><mrow><mi>Σ</mi><msub><mi>X</mi><mi>ij</mi></msub></mrow><mi>N</mi></mfrac><mo>)</mo></mrow><mn>2</mn></msup></msqrt></mfrac></mrow>]]></math><img file="FDA0000682910780000011.GIF" wi="574" he="334" /></maths>(c)求样本矩阵M的协方差矩阵:M’=M×M<sup>T</sup>(d)求协方差矩阵M’的特征值及相应的特征向量;(e)将协方差矩阵M’的特征值按照绝对值大小进行降序排列,同时调整其对应的特征向量的序列,得到矩阵P;(f)计算得到的特征矩阵:K=P×M(g)特征矩阵K的前三行即为对多特征参数处理后最能代表故障征兆的3个特征参数;4)基于SVM的故障分类识别:运用支持向量机一次学习出判决函数的全部参数,然后用该函数来判断新特征的类别,将待判别特征输入到训练好的支持向量机后得到输出结果特定值,根据结果特定值即可判断故障类别。 |