PHM算法與智能分析技術(shù)——數(shù)據(jù)處理與特征提取方法2

• 特征提取
• 特征選擇
• 降維

本系列來自于北京天澤智云科技有限公司的PHM算法與智能分析技術(shù)公開課，內(nèi)容非常有助于研究者對(duì)PHM的理解和學(xué)習(xí)，因此整理為文字版，方便閱讀和筆記。
公開課視頻地址

---

本堂課的主要介紹特征提取，包括時(shí)域特征提取，頻域特征提取，還有時(shí)頻域的特征提取，以及特征選擇，降維等。

特征提取

特征提取——時(shí)域特征提取

上圖A展示了四種不同健康條件下軸承的振動(dòng)信號(hào)。從這四個(gè)圖里可以看出，軸承的健康程度不同，振動(dòng)信號(hào)波形的幅值也不相同，并且波形的特征也不相同。通常來講，當(dāng)軸承出現(xiàn)磨損以后，振動(dòng)信號(hào)的峰峰值，幅值有效值，以及峭度值都會(huì)增大。上圖B展示了柴油機(jī)四種不同健康狀態(tài)下振動(dòng)信號(hào)的特征參數(shù)。從這四個(gè)圖里可以看出，不同狀態(tài)下所對(duì)應(yīng)的特征參數(shù)也存在一定的差異。

特征提取——頻域特征提取
頻域特征提取主要包括頻帶能量提取，以及特征頻率提取。 頻帶能量提取是指在頻譜里指定的頻段內(nèi)提取該頻段內(nèi)所對(duì)應(yīng)的能量。特征頻率提取是指在特定的頻率點(diǎn)提取該頻率點(diǎn)的幅值。頻帶能量提取通常會(huì)在FFT頻譜或功率譜里來進(jìn)行。以FFT頻譜為例，當(dāng)要提取某一個(gè)頻段內(nèi)鎖定的能量時(shí)，可以把該頻段內(nèi)所有的幅值相加，來作為該頻段內(nèi)所對(duì)應(yīng)的能量。

特征提取——時(shí)頻域特征提取
時(shí)頻域分析主要優(yōu)點(diǎn)就是可以在時(shí)間、頻率以及幅值三個(gè)維度來觀察信號(hào)的特征。
小波分析不同于短時(shí)傅立葉變換。小波分析所采用的基函數(shù)是一種幅值衰減，可伸縮可平移的一種小波基。而短時(shí)傅立葉變換是基于FFT來進(jìn)行的。而FFT的基函數(shù)是一種無限長(zhǎng)的正弦函數(shù)。所以說通常情況下，小波分析要優(yōu)于短時(shí)傅立葉變換。但是小波分析也有自身的一些缺點(diǎn)，比如說小波基比較難以選擇，當(dāng)我們選擇不同的小波基的時(shí)候，最后所產(chǎn)生的結(jié)果也不相同。

特征選擇

特征選擇目標(biāo)：

特征選擇方法：

特征選擇——Fisher Score

案例：柴油機(jī)燃爆故障特征選擇

降維

降維目標(biāo)：

降維——主成分分析（PCA）

PCA降維流程：
首先對(duì)原始數(shù)據(jù)進(jìn)行特征提取，然后對(duì)提取到的特征進(jìn)行標(biāo)準(zhǔn)化處理。接著計(jì)算標(biāo)準(zhǔn)化處理后特征的協(xié)方差矩陣，然后對(duì)協(xié)方差矩陣進(jìn)行特征值分解。特征值分解以后，會(huì)得到多個(gè)特征值及其對(duì)應(yīng)的特征向量。選擇比較大的特征值，及其對(duì)應(yīng)的特征向量來計(jì)算主成分，將包含原始數(shù)據(jù)的大部分信息。

總結(jié)

以上是生活随笔為你收集整理的【PHM】PHM算法与智能分析技术——数据处理与特征提取方法2的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。