原创 齿轮箱故障检测方法

多元统计分析是基于数据的故障诊断方法之一，适用于处理高维数据，是一种很好的故障诊断方法。

但是，它也有一些缺点。常用的贡献图方法过于粗糙，可能会导致贡献值重复叠加，从而导致诊断错误。通过使用贡献平均值作为比例因子可以有效地纠正此缺陷，但是该方法仅适用于单个和中小型故障。

有向图是一种获得因果关系的模型，可以很好地实现多元故障检测，但需要通过先前的知识和经验来建立模型。为了解决核函数参数的选择影响核函数性能的问题，张克等人提出了一种混合核函数的主成分分析方法，但它只能判别一种故障，需要花费更多的时间。功能主成分分析是吉姆·拉姆齐（Jim Ramsay）提出的，其特征是对对象函数的分析，而不是作为离散数据的点，它首先使数据拟合函数，然后对函数的信息进行特征提取，以便您避免了贡献值的重叠，大大提高了数据丢失和噪声的鲁棒性，可用于多变量故障识别。

上述方法仅直接处理原始数据，忽略了数据的复杂性，因此在处理数据时不可避免地会丢失数据信息。最新的研究以齿轮数据为研究对象，首先进行功能拟合，通过FPCA提取特征信息，建立rbf-elm模型，并对故障检测进行分析，可以有效提高故障检测效率和准确性。因此，该方法是可行和有效的。