基于局部主成分保持投影的旋转机械故障数据降维方法

针对旋转机械高维故障特征集存在的特征冗余导致的分类困难问题，提出一种基于局部主成分保持投影(locality principal component preserving projection, LPCPP)的故障数据集降维算法。该算法将类间可分性判据、主成分计算两种思想与局部保持投影(locality preserving projection, LPP)相融合，使得算法具有剔除冗余特征、减小降维盲目性的能力，从而可以更好地保留能够反映机械运行状态的高价值密度的故障信息以及特征的主要成分。通过两个不同型号的双跨度转子系统的振动信号对所提算法进行验证，并分别以可分性指标和3种不同分类器的识别准确率对本算法的降维性能进行评价。结果表明，本算法能够达到降低故障分类难度与提高故障分类准确率的功能，其可为积累高价值密度的数据资源和基于“工业大数据”的旋转机械智能决策技术工程实现，提供一种数据运算的理论依据。