基于混合特征提取的滚动轴承故障分类方法

摘要

基于混合特征提取的滚动轴承故障分类方法，首先获取由信号的波形特征、时域特征、频域特征等构成的混合特征集；然后将内类紧致性和内间重叠性引入序列前向选择算法中，提取混合特征中的次优特征组作为增强KNN分类器的输入；最后基于距离和密度计算，得到最优平均分类概率并输出最优特征组，标记该特征组对应的故障状态，实现滚动轴承故障的智能分类。本发明有效降低了由于故障信号之间的相关性和冗余对故障分类精确度的干扰，改进了传统的KNN分类器仅采用距离计算进行分类的能力，克服了传统KNN分类器受K值敏感性影响而不利于智能算法进行分类的问题，并最终提高了分类精确度。