结合非线性频谱特征与核主元分析的复杂系统故障诊断算法研究

摘要

传统非线性频谱分析方法对复杂系统进行故障诊断时，基于广义频率响应函数（GFRF）获得的频谱数据量非常巨大，不便于直接用于故障检测与分类识别。本文提出了一种非线性频谱特征与核主元结合的故障诊断方法，该方法首先通过最小二乘算法估计前3阶Volterra核，对Volterra核进行多维傅立叶变换求取GFRF数据。针对复杂系统的频谱数据具有非线性的特点，利用核主元分析（KPCA）方法对GFRF数据进行压缩处理，核函数选用由多项式函数与径向基函数构成的混合核函数，论文给出了核主元模型建立与在线故障诊断两个过程的算法。利用本文的方法对非线性模拟电路和数控机床进给系统进行了故障诊断仿真实验，结果表明该方法能大幅度降低特征向量维数且故障识别率高，是一种实用的故障诊断方法。