一种基于两分类Fisher判别分析的故障诊断方法

摘要

本发明公开一种基于两分类Fisher判别分析的故障诊断方法，旨在通过变量选择提高Fisher判别分析模型用于故障诊断的可适用性与分类正确率。该发明方法首先利用遗传算法选择出每种故障类型最能区别于正常数据的特征变量集，然后利用特征变量建立正常数据与每类故障数据之间的两分类的Fisher判别分析模型。最后，利用多个两分类的Fisher判别模型实施故障分类诊断。本发明方法由于采用遗传算法优化选择特征变量集，能最大化地消去非特征变量的干扰影响，还能起到降维的作用，这在一定程度上降低了参考故障样本数量有限对建模的限制性。另外，本发明方法由于采用两分类判别模型，每个模型对某一特定故障类型就具有针对性，从而可以提高模型分类正确率。