KPCA法在风电机组齿轮箱故障诊断中应用.pdfVIP

学兔兔 第5期(总第174期) 机 械 工 程 与 自动 化 No．5 2012年 lO月 MECHANICAL ENGINEERING ＆ AUTOMATION Oct． 文章编号：1672—6413(2012)05—0130—03 KPCA法在风电机组齿轮箱故障诊断中的应用 刘 迎，董兴辉，李元源，赵玉伟 (华北电力大学 能源动力与机械工程学院，北京 102206) 摘要：将核主成分分析法应用于风电机组齿轮箱的故障诊断中，通过计算齿轮箱振动信号原始数据空间的内 积核函数来实现原始数据到特征空间的非线性映射。利用某风场齿轮箱的正常工作状态、初期磨损状态以及 断齿状态下的振动数据进行测试，对主成分分析法和核主成分分析法的分类结果进行了分析比较。实验结果 表明，核主成分分析法能够有效地对齿轮故障信号进行特征提取和模式分类，更适合于故障信号非线性特征 的提取。 关键词：核主成分分析；故障诊断；模式分类 中图分类号：TH165 ．3：TH132．41 文献标识码：A 0 引言 z ，…， ] ，设其均值E[X]：0。C 为协方差即自 故障诊断中特征提取方法很多，基于线性变换的 相关矩阵，表示为： 主成分分析法是最常用的方法。主成分特征提取能够 C 一E[(X—E[x])(X—E[X]) r]一E[XX ]。 简化处理问题的难度，加强原始信号的抗干扰能力。 … … … … … … … … … … … … … … … … … … … (1) 然而当输入空间变量发生变化时，主成分特征值也会 设Cx的特征值为 1， 2， ，…， ，且 ≥扎≥ 发生相应的变化，从而影响特征提取结果，另外，主成 ， 它对应的特征向量为U ，【，：，U ，…，【， ，则可得 分分析法是一种线性分析方法，其对于非线性问题则 出： 一 X( =l，2，…， )为X的第i个主成分，有： 不能达到良好的提取效果。核主成分分析法是基于支 y===L，TX 。 ………………………………… (2) 持向量算法基础上提出的，它将核函数的思想应用于 其中：特征向量矩阵U—Iv。， ，…， ]，满足 ； 主成分分析法中，通过某种事先选择的非线性映射将 E；y—Ey ，Y2，…， ] 。因此，通过特征向量矩阵u 输入向量X映射到特征空间F中，然后对高维空间中 将输人的n维向量x变换成特征空间中的 维的向 的映射数据做线性主成分分析，从而得到数据的非线 量y，y的某一分量Y 为输入X的第i个主成分。 性主成分LJ 。本实验将其应用于风电机组齿轮箱的故 (2)特征提取过程。在特征提取过程中，需要选 障模式分类，取得了良好效果。 取主要特征而舍弃次要成分，从而达到降维的目的。 1 主成分分析法 由式(2)得： 主成分分析法(Principal Component Analysis， E[y]一E[【， x]一己， E[X]一O。………… (3) PCA)就是把给定的一组相关变量通过线性变换转变 其中：EEY-]为y的均值。则自协方差矩阵c 即y的 成另一组不相关的变量，并按方差依次递减的顺序将 自相关矩阵为： 新的变量重新排列，使其在数学变换中保持变量的总