层叠P阶多项式主成分分析在轴承故障诊断中的应用

针对传统滚动轴承故障特征提取及识别高度依赖先验知识及专家经验,导致其故障诊断的人工成本高及分类精度不够高的问题,提出一种层叠P阶多项式主成分分析方法实现滚动轴承故障的精确诊断。提出一种可适用于处理线性不可分数据的P阶多项式主成分分析法从滚动轴承的振动信号中自动学习去相关的低维特征;构建了层叠P阶多项式主成分分析网络,从去相关的低维特征中进一步增强学习更具可分辨性的特征,并通过反向优化过程,确保学习的特征不失真;采用K最近邻分类器对学习到的特征矢量进行分类,实现故障模式的辨识。通过滚动轴承故障数据库上的诊断试验验证了该方法的可靠性和有效性。