一种改进鲁棒KPCA算法及其在齿轮泵故障诊断中的应用

摘要

核主元分析(KPCA)是一种有效的非线性特征提取方法,但其缺点是对样本中的野点比较敏感.为了消除野点对KPCA算法的影响,介绍一种鲁棒KPCA算法,通过修改特征空间中映射样本的最小重构误差表达式,并预先定义训练样本集中的野点数目,实现了在特征空间剔除野点的目的.将改进后的鲁棒KPCA算法应用于齿轮泵故障特征提取,试验结果表明:该算法的抗噪性比经典KPCA算法明显增强,能有效区分齿轮泵的不同故障模式.