一种基于CELMDAN和SSKFDA的机械状态监测方法

摘要

本发明公开了一种基于CELMDAN和SSKFDA的机械状态监测方法，采用以下方法：(1)利用CELMDAN方法把复杂振动信号分解为多个有物理意义的乘积函数。（2）提出周期调制强度PMI作为选择PFs准则的方法，能够准确选择有效的PFs。(3)提出SSKFDA维数约简方法，充分利用标签样本和未标签样本集几何信息，融合核方法、稀疏表示、流形学习以及FDA方法，更好地揭示嵌入在高维稀疏空间的低维子空间数据集，解决高维、稀疏和非线性数据维数约简问题。(4)提出一种快速SSKFDA模型选择方法。该方法通过基于类内局部结构测度最小、全局部结构测度最大准则求取最优模型参数。(5)提出全局监测统计量与Bayesian后验推理的机械已知与未知状态检测方法，较好解决大多数机械监测系统无法检测未知异常状态问题。