基于主成分修整和线性判别分析的重叠故障识别

针对在二维空间中,由变量均值偏移量较小但协方差不变所导致地故障类重叠,并因此降低故障识别率的问题,提出一种基于主成分分析(PCA)修整和线性判别分析(LDA)的新方法(PLDA).该方法通过减弱不同故障类的重叠主成分对分类的影响,达到提升LDA故障识别率的目的.对24种具有代表性故障组合的模拟样本运用10次10倍交叉验证,试验结果表明PLDA算法的平均故障识别率为94.6%,远高于传统的核化LDA算法和LDA算法的60.0%和61.9%.