基于非負(fù)矩陣分解的機(jī)械故障信號(hào)特征分析的研究.pdf

1、非負(fù)矩陣分解算法是一種新型矩陣分解算法。與傳統(tǒng)的矩陣分解算法，如主分量分析、獨(dú)立分量分析、因子分析等相比，除了施加了非負(fù)性約束條件之外非負(fù)矩陣分解算法與上述算法模型相似。由于非負(fù)矩陣分解算法符合人類的認(rèn)知習(xí)慣，所以該算法提取到的隱含在原始數(shù)據(jù)內(nèi)部的非負(fù)性約束特征比其他已知算法得到的特征具有更好的局部性，可解釋性和預(yù)測性。本文中利用非負(fù)矩陣分解算法對(duì)機(jī)械故障識(shí)別中信號(hào)頻譜和雙譜的分析結(jié)果進(jìn)行二次特征提取，并針對(duì)故障數(shù)據(jù)的特征對(duì)非負(fù)矩陣分解

2、算法進(jìn)行了一些改進(jìn)。 首先，介紹了非負(fù)矩陣分解的原理和已有各種算法，同時(shí)分析了原始算法和改進(jìn)算法之間的關(guān)系，各種變體算法均是對(duì)非負(fù)矩陣分解限制了相應(yīng)的約束限制。利用仿真數(shù)據(jù)驗(yàn)證了這些算法的有效性，仿真實(shí)驗(yàn)結(jié)果顯示非負(fù)矩陣分解算法提取的特征向量具有局部性和可解釋性的特點(diǎn)。 其次，利用遺傳算法和主分量分析法分別對(duì)非負(fù)矩陣分解的初始化問題進(jìn)行研究，結(jié)果顯示基于主分量分析初始化的非負(fù)矩陣分解算法好于基于遺傳算法初始化的算法。前者

3、不但可以提高結(jié)果精度，而且可以加快分解速度，縮短運(yùn)算時(shí)間。然而對(duì)于具有明顯分類特征的數(shù)據(jù)，分解結(jié)果也顯示非負(fù)矩陣分解算法獲得的特征更加接近于分類向量。 最后，基于以上研究提出了基于主分量分析初始化，具有正交性約束的非負(fù)矩陣分解算法。利用該算法進(jìn)行特征提取，結(jié)果證明局部性顯著，正交性改善，獨(dú)立性增強(qiáng)，冗余度下降。通過BP神經(jīng)網(wǎng)絡(luò)，應(yīng)用該算法提取到的二次故障特征進(jìn)行機(jī)械故障的分類識(shí)別，與經(jīng)典的主分量分析結(jié)合BP網(wǎng)絡(luò)的方法相比，該方法