一种基于信号-噪声模型的主元数目选择方法

主成分分析(PCA)是一种基于二阶统计的数据分析方法。在简要介绍PCA的基本理论后,重点分析了主元数目的选择问题。在基于累计贡献率的传统方法基础上,考虑实际中噪声对信号的影响,提出一种基于信号-噪声模型的主元数目选择新方法。实验证明,在一定的条件下,新方法比传统的累计贡献率方法更有效。

基于小波包和KPCA的时频域故障检测方法

针对故障检测技术中存在的非线性和信息遗漏问题,在深入分析核主元分析法的基础上,提出了一种新的基于小波包和核主元分析法(KPCA)的时频域故障检测方法.利用小波包对原始信号进行预处理,提取包含时域和频域特征参数构成的特征向量,应用KPCA进行故障检测,同时对液压泵也进行了故障检测.试验结果表明,时域和频域特征参数构成的特征向量很好地反映了故障的特征,与PCA相比,KPCA的主元数目可选择范围宽,该方法对液压泵故障检测有良好的效果.