一种改进鲁棒KPCA算法及其在齿轮泵故障诊断中的应用

摘要：

核主元分析（KPCA）是一种有效的非线性特征提取方法，但其缺点是对样本中的野点比较敏感。为了消除野点对KPCA算法的影响，介绍一种鲁棒KPCA算法，通过修改特征空间中映射样本的最小重构误差表达式，并预先定义训练样本集中的野点数目，实现了在特征空间剔除野点的目的。将改进后的鲁棒KPCA算法应用于齿轮泵故障特征提取，试验结果表明：该算法的抗噪性比经典KPCA算法明显增强，能有效区分齿轮泵的不同故障模式。

关键词：鲁棒核主元分析、野点、齿轮泵、故障诊断

分类号：TP273+.5(自动化技术及设备)

资助基金：总装备部重点国防预研项目403040102；国家自然科学基金青年科学基金项目61201449

在线出版日期：2013-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：171-175