基于主成分分析的多域特征融合轴承故障诊断

摘要

针对复杂工况下难以区分轴承故障状态的问题，提出一种基于主成分分析的多域特征融合轴承故障诊断方法。采集轴承振动加速度信号，提取轴承时域新量纲一化特征、频域幅值谱特征和时频域经验模态分解特征共13维特征用于完整表征轴承状态；利用主成分分析方法对所提取特征融合与降维，降低诊断模型复杂度与数据分析难度；最后，选择合适的卷积神经网络进行分类，通过石化机组故障诊断实验平台进行验证。结果表明：多域融合特征相对于单域特征诊断效果更好，卷积神经网络分类模型相对于其他经典分类模型诊断准确率更高，融合诊断分类方法整体诊断准确率达到86%。

关键词