利用相关系数图选择振动信号特征值的方法

发布时间：2021-05-23 13:26

　　振动信号常被用来监测机械设备工作状态,其特征值选择会直接影响监测效果。以振动信号识别发动机故障为工程背景,为了快速有效地提高识别率,提出构建相关系数图并利用其选择振动信号特征值的方法。首先,对发动机振动信号提取时域特征参数,计算各特征值之间的皮尔逊相关系数（PCC）和最大互信息系数（MIC）;然后,选择不同阈值构建相关系数图,筛选特征值;最后,将特征值作为广义回归神经网络（GRNN）的输入,分析比对故障识别效果。实验结果表明,利用阈值为0.9的MIC图筛选特征值可以在仅提取少量时域特征值的前提下获得较高的振动信号对发动机故障的识别率。 

【文章来源】：现代电子技术. 2020,43(15)北大核心

【文章页数】：5 页

【文章目录】：
0 引言
1 相关系数及特征参数
2 皮尔逊相关系数图的构建
    2.1 阈值为0.9的皮尔逊相关系数图
    2.2 阈值为0.87的皮尔逊相关系数图
    2.3 故障识别及相关系数阈值的选择
3 最大互信息系数相关系数图的构建
    3.1 阈值为0.9的最大互信息系数相关系数图
    3.2 最大互信息系数相关系数图应用在故障识别中
4 结语


【参考文献】：
期刊论文
[1]基于最大相关信息系数的FCBF特征选择算法[J]. 张俐,袁玉宇,王枞.  北京邮电大学学报. 2018(04)
[2]基于IMS聚类算法的柴油发动机故障诊断方法研究[J]. 李晓博,江志农,张沛,钱迪,薛继旭,郑会,张进杰.  振动与冲击. 2018(07)
[3]基于多层优化PCC-SDG方法的化工过程故障诊断[J]. 董玉玺,李乐宁,田文德.  化工学报. 2018(03)
[4]基于信息融合的刀具剩余寿命在线预测方法[J]. 吴军,苏永衡,朱永猛,邓超.  华中科技大学学报(自然科学版). 2017(04)
[5]A Complex Network Model for Analyzing Railway Accidents Based on the Maximal Information Coefficient[J]. 邵福波,李克平.  Communications in Theoretical Physics. 2016(10)



本文编号：3202605