基于最优特征集和马氏距离KNN分类的机械故障分类方法研究

简介

针对传统K近邻（K—Nearest Neighbor，KNN）算法在进行机械故障信号识别的过程中，无法挖掘特征参数之间关联性，提出一种基于最优特征集的马氏距离KNN分类方法，根据机械故障信号的非线性特点，使用小波分解获得时频域故障特征，通过局部嵌入算法（Locally Linear Embedding，LEE）来进行二次故障特征提取，从而获得多相关特征集并对其进行主成分分析得到最优特征集，最后通过数值仿真信号和齿轮故障数据的分析了方法的有效性。结果表明该方法能够有效挖掘特征参数之间关联性，增加不同故障之间区分度，从而提高故障识别精度。