PCA主元重排的故障特征表示方法技术

本发明专利技术适用于模式识别中故障诊断的特征提取后的特征表示领域，公开并提供了PCA主元重排的故障特征表示方法。该主元重排(Principal Components Rearrangement,PCR)方法针对原始故障样本之间出现“重叠”现象，所述方法包括：基于PCA(Principal Components Analysis,PCA)方法的特征提取；主元的离线重排；反向重构投影矩阵。本发明专利技术是在传统PCA故障特征提取之后，进一步根据一种主元重排方法进行特征表示，该方法在合适的主元样本的置信区间内，能将互相重叠的故障进行分离，大大提高了传统PCA故障特征提取的效率，为后续故障诊断及容错控制等环节的成功提供了前提保障。

Fault feature representation method for PCA principal element rearrangement

The invention is suitable for the field of feature extraction after fault diagnosis in pattern recognition, and discloses a fault feature representation method for PCA principal rearrangement. The main element (Principal Components Rearrangement rearrangement, PCR) method for fault samples between the original \overlap\ phenomenon, the method includes: Based on PCA (Principal Components Analysis, PCA) feature extraction method; offline rearrangement of the main element of the reverse reconstruction; projection matrix. The present invention is in the traditional PCA after the extraction of fault features, further feature representation according to a principal component rearrangement method in this method, the confidence interval PCA appropriate sample within the fault can be overlapped with each other for separation, greatly improving the extraction efficiency of traditional PCA fault feature, provides the premise and guarantee for subsequent fault diagnosis and fault tolerant control and other aspects of success.

【技术实现步骤摘要】
PCA主元重排的故障特征表示方法
本专利技术属于模式识别中故障诊断的特征提取后的特征表示领域，尤其涉及PCA主元重排的故障特征表示方法。
技术介绍
在故障特征提取之后，如何对所提取的故障特征数据进行明显的表示，使故障特征有分类的代表性，是故障诊断性能是否优良的关键性问题，对于快速分类诊断、提高分类准确率具有关键性意义。其中对于高维数据特征提取的传统PCA而言，主元提取之后的特征表示是PCA提取的关键步骤，选择合适的重排间隔重构有效的投影矩阵是主要思路，以这样的思路可以改进传统PCA方法，使其故障特征之后的特征更具有分类的代表性。对于PCA特征提取之后的特征表示，由于常见的做法是在一层或几层特征提取后，使用其他特征提取方法进一步加强特征提取效果，或者为了提高故障诊断性能，在特征提取方法不变的情况下，优化诊断分类器、选用高精度的分类算法。“一层或几层特征提取后，使用其他特征提取方法进一步加强特征提取效果”做法类似于算法的组合或融合，但是往往算法的复杂度较高，在组合时也欠缺一定的理论说明；“在特征提取方法不变的情况下，优化诊断分类器、选用高精度的分类算法”做法虽然在分类器性能增加的情况下，本文档来自技高网...

【技术保护点】
一种PCA主元重排的故障特征表示方法，其特征在于包括以下3个步骤：步骤一：基于PCA方法的特征提取PCA特征提取原始数据为

【技术特征摘要】
1.一种PCA主元重排的故障特征表示方法，其特征在于包括以下3个步骤：步骤一：基于PCA方法的特征提取PCA特征提取原始数据为其中M、N分别代表样本的总数量和每个样本的变量数，满足M＝I×J，I、J分别代表含正常情形的故障种类数、每个样本中采样点数；假定每类数据样本除真值成分外均含高斯噪声，样本符合高斯分布，计算X经过PCA提取得到结果如下式：步骤二：主元的离线重排(1)选择Y的主元向量选择Y中的第c列主元向量yc，按类别划分，yc可写为：yc中的标记第i类的向量yc_i如(3)式：yc_i＝(y[(i-1)J+1]c,y[(i-1)J+2]c,…,y(i×J)c)(3)其中i＝1,2,…,I，并计算yc_i对应期望μc_i和标准差σc_i；(2)重排所选主元向量求出(2)中每个类别序号对应的数据均值：即第i个期望为μc_i：其中i＝1,2,…,I，j＝1,2,…,J；yc_i的累积分布函数F(z,μc_i,σc_i)，可见公式(6)：

【专利技术属性】
技术研发人员：刘卓，王天真，汤天浩，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海,31