基于核主成分分析的小波尺度谱图像特征提取.PDFVIP

第 9 卷 　第 5 期 交 通 运 输 工 程 学 报 Vol9 　No5 2009 年 10 月 J our nal of Traffic and Tran sport ation Engineerin g Oct . 2009 文章编号 :167 11637 (2009) 基于核主成分分析的小波尺度谱图像特征提取 孙丽萍 ,陈　果 ,谭真臻 (南京航空航天大学 民航学院 ,江苏 南京 　2 100 16) 摘 　要 :分析了转子不平衡 、不对中、碰摩及油膜涡动的尺度谱图像特征 ,提出利用核主成分分析 ( KPCA) 对故障信号的小波尺度谱进行特征提取的方法 。利用 Z T3 多功能转子试验台获取上述 4 种故障各 32 个样本 ,对其进行连续小波变换和 KPCA 特征提取 ,并同时提取了相同样本条件下 的尺度谱纹理特征和频谱特征 。最后利用参数自适应支持向量机模型对提取的特征进行了分类测 试 。分析结果表明: KPCA 方法所提取特征的平均识别效果均达到 90 % 以上 ,高于尺度谱纹理特 征和频谱特征的分类结果 ,能够有效提取尺度谱的特征 ,有利于转子故障的智能诊断 。 关键词 :小波尺度谱 ;特征提取 ;故障诊断 ;转子 ;核主成分分析 中图分类号 :V263 . 6 ; TP277 　　　文献标志码 :A Image f eature extraction f rom wavelet scalogra m based on kernel principle component analysis SU N Lip in g , C H EN Guo , TAN Zhenzhen ( School of Civil Aviation , Nanj ing U niver sit y of Aeronautics and A st ronautics , Nanj ing 2 100 16 , J iangsu , China) Abstract : The scalogram image features of unbalance , misalignment , rubimpact and oil whirl fault were analyzed , and a new feature extraction method from t he wavelet scalogram of fault signal s was p ut forward based on kernel p rinciple component analysis ( KPCA) . By using ZT3 multifunctional rotor test bed , 32 samples for each typ e of fault were obtained , continuou s wavelet transformation was carried out , and KPCA feature , scalogram texture feature and sp ectrum feature were extracted. Finally , t he extracted features were tested and classified by u sing p arameter selfadaptive support vector machine. Analysis result show s t hat t he average recognition effect of features extracted by KPCA is up to 90 % , a