本发明提供一种基于加权多特征融合和SVM分类的故障特征筛选方法,步骤如下:一:获取时序数据
二:提取时域(T)、频域(P)、能量(E)及熵特征(S),形成高维特征集(Q);三:筛选出诊断率大于50%的特征(Q1)并进行相关性分析,剔除相似度超过85%的特征(Q2);四:通过PCA及载荷评分法选出得分最高的特征,形成新的子特征集(T3、P3、E3、S3);五:对T3、P3、E3、S3进行SVM诊断,根据诊断率R
i得到权重W
i;六:进行特征的加权融合;七:融合后特征输入分类器进行诊断。通过以上步骤,得到一组能够维持故障内在信息的最佳特征,保证特征所代表的原始失效信息、提高故障诊断正确率,对高效进行机械故障诊断具有重要意义。
声明:
“基于加权多特征融合和SVM分类的故障特征筛选方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)