-
题名改进PCA算法及其在转子特征提取中的应用
被引量：9
- 1
-
-
作者
李伟光
郭明军
杨期江
赵学智
李国臣
-
机构
华南理工大学机械与汽车工程学院
广州航海学院轮机工程学院
东莞职业技术学院实训中心
-
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2020年第3期555-562,628,629,共10页
-
基金
国家自然科学基金资助项目(51875205,51875216)
广东省自然科学基金资助项目(2018A030310017,2019A1515011780)
+2 种基金
广东省教育厅项目(2018KQNCX191)
广州市科技计划资助项目(201904010133)
广东省重大科技专项资助项目(2019B090918003)。
-
文摘
针对传统主成分分析(principal component analysis,简称PCA)方法中有效主成分的选择依赖于先验知识的缺点,提出利用协方差矩阵特征值差分谱的概念来描述有效主成分与次要成分的特征值差异性。首先,通过理论推导得出奇异值与特征值之间关系,即奇异值与特征值之间存在平方关系;其次,利用差分谱理论进一步研究了Hankel矩阵方式下PCA信号处理原理;最后,提出一种基于差分谱理论的PCA算法,通过仿真信号验证了该算法的有效性。研究结果表明,根据协方差矩阵特征值差分谱的最大峰值位置可自动选择有效主成分的个数,且通过不同谱峰之间的分量信号的组合可以提取出不同的频率成分。将此PCA算法用于大型滑动轴承试验台转子的轴心轨迹提纯,提纯效果优于传统PCA算法。
-
关键词
主成分分析
特征值差分谱
贡献率
轴心轨迹
特征提取
-
Keywords
principal component analysis
difference spectrum of eigenvalues
contribution rate
axis trajectory
feature extraction
-
分类号
TH113.2
[机械工程—机械设计及理论]
TN911.72
[电子电信—通信与信息系统]
-
