首页  |  期刊简介  |  期刊荣誉  |  编委会  |  现任主编  |  投稿指南  |  下载中心  |  期刊征订
中文核心期刊
Ei Compendex收录期刊
中国科学引文数据库来源期刊
中文科技期刊数据库收录期刊
国际刊号:1004-6801
国内刊号:32-1361/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中华人民共和国工业和信息化部
  • 主办:南京航空航天大学
  •           全国高校机械工程测试技术研究会
  • 国际刊号:1004-6801
  • 国内刊号:32-1361/V
  • 地址:南京市御道街29号
  • 电话:025-8489 3332
  • 传真:025-8489 3332
  • E-mail:qchen@nuaa.edu.cn
  • 邮编:210016
改进PCA算法及其在转子特征提取中的应用
Improved PCA Algorithm and Its Application in Rotor Feature Extraction
  
DOI:10.16450/j.cnki.issn.1004-6801.2020.03.019
中文关键词:  主成分分析  特征值差分谱  贡献率  轴心轨迹  特征提取
英文关键词:principal component analysis  difference spectrum of eigenvalues  contribution rate  axis trajectory  feature extraction
基金项目:国家自然科学基金资助项目 (51875205,51875216);广东省自然科学基金资助项目(2018A030310017,2019A1515011780);广东省教育厅项目(2018KQNCX191);广州市科技计划资助项目(201904010133);广东省重大科技专项资助项目(2019B090918003)
作者单位
李伟光1,郭明军1,杨期江2,赵学智1,李国臣3 (1.华南理工大学机械与汽车工程学院广州510640)(2.广州航海学院轮机工程学院广州510725)(3.东莞职业技术学院实训中心东莞523808) 
摘要点击次数: 90
全文下载次数: 126
中文摘要:
      针对传统主成分分析(principal component analysis, 简称PCA)方法中有效主成分的选择依赖于先验知识的缺点,提出利用协方差矩阵特征值差分谱的概念来描述有效主成分与次要成分的特征值差异性。首先,通过理论推导得出奇异值与特征值之间关系,即奇异值与特征值之间存在平方关系;其次,利用差分谱理论进一步研究了Hankel矩阵方式下PCA信号处理原理;最后,提出一种基于差分谱理论的PCA算法,通过仿真信号验证该算法的有效性。研究结果表明,根据协方差矩阵特征值差分谱的最大峰值位置可自动选择有效主成分的个数,且通过不同谱峰之间的分量信号的组合可以提取出不同的频率成分。将此PCA算法用于大型滑动轴承试验台转子的轴心轨迹提纯,提纯效果优于传统PCA算法。
英文摘要:
      The traditional principal component analysis (PCA) method selects the primary components according to the prior knowledge. In light of this shortcoming, the covariance matrix eigenvalue difference spectrum is introduced to describe the differences between the primary and secondary components. First, a square relation between singular value and eigenvalue is discovered by theoretical deduction. Second, the principle of PCA signal processing with the Hankel matrix is further studied by difference spectrum theory. Finally, a PCA algorithm based on differential spectrum theory is proposed, and the effectiveness of the algorithm is verified by simulation. The results show that the number of active principal components can be selected automatically according to the maximum peak of the difference spectrum of the eigenvalues of the covariance matrix, and different frequency components can be extracted from the combination of the component signals between different spectral peaks. The PCA algorithm is used to purify the axis trajectory of the rotor of a large sliding bearing testbed and present better performance than that of the traditional PCA algorithm.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《振动、测试与诊断》

地址:南京市御道街29号        邮编:210016

电话:025-8489 3332      传真:025-8489 3332       E-mail:qchen@nuaa.edu.cn

您是本站第2095759位访问者 本站今日一共被访问234

技术支持:北京勤云科技发展有限公司