液压系统状态监测信号受回路特性与泵机组运行工况影响,呈现复杂非线性且异常状态难以准确识别与诊断。为此,提出了一种基于主成分分析与随机森林BP神经网络(PCA-RF-BP)的液压系统异常状态诊断策略,用于提高设备监测系统的诊断效率。首先,基于状态监测数据进行主成分分析以降低数据维度,同时计算T 2和SPE统计量进行过程状态的实时异常检测;其次,采用随机森林BP神经网络对异常样本进行预测分类。实验结果表明,所提方法能够有效地诊断液压系统泄漏状态,检测延迟至多5个样本点,预测分类精度达到99.88%,相较于现有方法平均提高了4.63%。

针对滚动轴承故障诊断存在的故障程度难以区分、早期故障不易发现、故障诊断精度低等问题,这里提出了一种基于小波包变换(Wavelet Packet Transform,WPT)、主成分分析(Principal Component Analysis,PCA)与支持向量机(Support Vector Machine,SVM)相结合的滚动轴承故障程度诊断方法。该方法首先对原始信号进行小波包分解,然后对分解后的信号进行重构,计算重构信号能量作为特征值;随后,运用主成分分析对特征向量进行降维,将降维后的特征输入支持向量机,完成故障模型的训练与测试。这里主要分析了累计贡献率、小波包分解层数、母小波类型对故障诊断成功率的影响。实验结果表明此方法可以有效地识别不同故障位置的故障程度。

为提高对复杂电磁环境下炮兵预处理目标实施火力分配的量化决策水平，运用主成分分析法对炮兵目标复杂电磁环境下价值排序的多项指标进行了聚集，利用理想点理论建立了综合优化决策模型，并进行实例分析，所得结果合理且符合客观实际，从而为作战指挥员提供了一种合理的决策依据和决策方法。

通过动态主成分分析(Prineipal Component Analysis,PCA)的方式来实现高维数据的降维过程,简化数据的分析过程并提升数据处理效率,再把提取得到的主成分因子输入支持向量机中;接着利用遗传算法(Genetic Algorithm,GA)全局搜索方式优化支持向量机(Support Vector Machine,SVM)参数,有效克服人为选择参数所导致的盲目性,由此得到最优模型参数。研究结果表明:主成分信息表患共提取4个主元,相对原特征参数的占比为95.12%,完成了原数据高效压缩与降维的效果。迭代12次之后达到了98%的平均适应度,已经接近最佳适应度,说明此时种群中个体已经基本获得最优解。支持向量机获得了比反向传播(Back Propagation,BP)网络更高的诊断准确率,说明支持向量机更适合处理小样本与非线性问题,可将其应用于其它机械控制设备。

针对钻机实际故障数据获取较难和性能退化的非线性等问题,提出一种基于RBF神经网络的钻机回转液压系统健康状态评估方法。使用AMEsim软件搭建回转液压系统仿真模型,模拟了液压泵内泄露和液压马达内泄露,采集了样本数据并提取特征量,通过主成分分析法(PCA)对特征量进行降维处理,使用K均值算法(K⁃means)和粒子群优化算法(PSO)优化RBF神经网络参数,通过训练建立RBF神经网络健康评估模型,输入PCA处理后的数据,评估模型自动输出评估结果,实现了钻机回转液压系统健康状态的智能评估。结果表明,该方法具有较高准确性和可靠性,可用于钻机回转液压系统的健康评估,并为进一步开展钻机液压系统智能故障诊断和健康评估奠定了研究基础。

滚动轴承工作环境恶劣、复杂,在采集信号的过程中,不可避免地会有噪声夹杂其中。为实现快速特征提取的同时提高识别率,提出一种基于主成分分析(PCA)降噪的卷积神经网络(CNN)故障诊断方法。该方法引入PCA对信号进行降噪预处理,再将处理后的信号转换成二维特征图像,输入CNN模型以提取转换后的图像特征,进行故障模式识别与分类。利用凯斯西储大学滚动轴承数据集进行故障诊断试验,结果表明:所提方法具有可行性与有效性,且满足鲁棒性和实时性的应用要求。

针对数据量较小情况下的液压系统内泄漏的故障诊断问题,提出基于时间特征分割和降维谱聚类的故障诊断方法。使用db4小波对液压压力信号进行间断点检测,分割出高压平稳段的时域信号并提取其时域和小波域特征,然后通过主成分分析的方式提取有效特征剔除分敏感特征,最后使用谱聚类对泄漏的严重程度进行诊断。分别在液压缸、液压泵和换向阀上进行泄漏试验并进行故障诊断,与K均值聚类、密度聚类以及流形降维后谱聚类等多种方法进行对比,表明使用主成分分析加谱聚类的方式可以有效提取压力信号的敏感特征,具有更高的诊断准确率和稳定性。

基于Matlab开发了一套实验软件PHM-Bearings,将其用于“机械工程测试技术基础”实验教学中。实验中,首先对原始轴承振动数据进行特征提取,然后使用主成分分析法对其时域特征进行信息融合,在保留最大信息量的同时提高运算效率。模式识别模块用来识别轴承样本是否有故障,从而实现故障预诊。通过轴承健康评估可以定量计算轴承的健康度并绘制出轴承全生命周期健康曲线,从而实现轴承的健康管理。

采用主成分分析法对影响多路阀再制造产品质量的各生产工艺指标数据进行降维处理,提取主元,减少数据间线性相关性的影响,并建立基于主元的内部泄漏量回归模型。分析结果表明：基于主元的回归模型可简化模型结构,预测结果更接近实际实验结果。

对某船液压系统所监测的油液污染度数据进行了主成分分析,分析结果表明:大尺寸颗粒的数量和小尺寸颗粒的数量是反映油液污染状况的主要因子.从油液污染实际状况方面,分析了以ISO 4406标准选择具有特征性的大尺寸颗粒和小尺寸颗粒的数量作为污染度等级划分的方法是合理的.