Summary:
传统非线性频谱分析方法对复杂系统进行故障诊断时，求解出的非线性频谱数据量庞大，不便于直接用于故障检测与分类识别。本文提出了一种非线性频谱特征与核主元分析(KPCA)结合的故障诊断方法，首先通过最小二乘算法估计出前3阶Volterra时域核，由多维傅立叶变换求取出广义频率响应函数，然后利用KPCA方法对谱数据进行压缩与提取谱特征，最后利用多分类最小二乘支持向量机进行多故障检测与识别，考虑到频谱数据具有非线性的特点，KPCA中的核函数选用由多项式函数与径向基函数构成的混合核函数，兼顾了局部特性与全局特性。论文基于非线性频谱数据，给出了核主元模型建立与在线故障诊断的具体算法。对非线性模拟电路和数控机床伺服传动系统进行了仿真实验，结果表明本文方法能够大幅度降低频谱数据维数，故障识别率高,是一种实用的故障诊断方法。
Papers
