基于压缩感知与多步特征学习的轴承故障诊断

摘要

针对轴承故障诊断中产生数据量庞大,对存储和计算能力造成巨大负担的情况,提出一种基于压缩采样与多步特征提取的轴承故障诊断新方法.首先,采用压缩感知(CS)采集轴承信号;其次,使用主成分分析(PCA)和线性判别分析(LDA)串联的多步特征提取方法PLC对未重构的采集信号进行有效特征提取;最后,通过多分类的PSO-SVM算法来训练、验证和分类轴承故障.结果表明,所提方法在正常和噪声干扰的情况下都可以保证较高分类精度的同时,减少了计算时间,测量数据量更少,减少存储需求.