本發明提供一種基于加權多特征融合和SVM分類的故障特征篩選方法,步驟如下:一:獲取時序數據二:提取時域(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)并進行相關性分析,剔除相似度超過85%的特征(Q2);四:通過PCA及載荷評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T3、P3、E3、S3進行SVM診斷,根據診斷率Ri得到權重Wi;六:進行特征的加權融合;七:融合后特征輸入分類器進行診斷。通過以上步驟,得到一組能夠維持故障內在信息的最佳特征,保證特征所代表的原始失效信息、提高故障診斷正確率,對高效進行機械故障診斷具有重要意義。
聲明:
“基于加權多特征融合和SVM分類的故障特征篩選方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)