位置优化Fisher测度在轴承故障特征选择中的应用

为了提高滚动轴承故障诊断率,充分利用时域、频域及时频域特征对轴承运行状态的识别能力的差异性,并考虑到特征之间易出现不相关、冗余干扰等问题以及实际工程对简单、快速、有效的特征评估方法的需求,在构建轴承混合域特征集的基础上,提出了一种位置优化Fisher测度(POFM)方法并将其应用于轴承故障特征选择。该方法基于Fisher准则,引入中值法通过多类样本的位置关系修正特征对状态分离聚合敏感程度的评估系数,从而筛选出能抑制状态间重合度的特征。此外,针对智能诊断模型确定最优特征集效率低的问题,提出了多维空间测度-Fisher的特征集评估方法,通过计算不同维数候选特征集在多维空间中的距离测度指标,基于极大值原则筛选出最优特征集。最后,通过轴承故障实验对所提算法进行验证,实验结果表明,提出方法得到的最优低维特征集可以有效诊断轴承故障,在特征组合数为3时支持向量机分类器诊断正确率达到了99.17%。