针对柔性薄壁轴承故障特征频率提取的问题,提出了主成分分析(PCA)与多点最优调整的最小熵解卷积(MOMEDA)相结合的特征频率提取算法。算法中用PCA对原始信号作降噪处理,获得重构信号,利用多点峭度(MKurt)提取重构信号中的周期性冲击信号的周期,对理论周期进行修正,进而得到精确的解卷积周期,通过MOMEDA对重构信号进行增强,突出其周期性冲击,可以更有效地提取特征频率。将此方法应用到柔性薄壁轴承的故障特征频率提取上,并与最大相关峭度解卷积(MCKD)算法作对比。结果表明,该方法可将轴承故障冲击与因轴承长短轴交替而产生的周期性冲击分离,消除这种正常的周期性冲击的干扰,有效提取信号中的故障特征频率,效果优于最大相关峭度解卷积算法。

在齿轮齿根裂纹故障检测方面,利用倒频谱分析可以比较损伤程度的轻重,但很难具体量化损伤程度范围。为实现损伤程度的量化检测,提出采用主成分分析(Principal Component Analysis,PCA)与灰色关联分析(Grey Relational Analysis,GRA)相结合的方法。首先,利用能量法计算含不同齿根裂纹的齿轮副时变啮合刚度,分析不同损伤程度的响应,并结合损伤检测统计指标进行量化检测,通过PCA算法,对多维损伤检测统计指标进行降维优化后,计算待检目标序列与各个比较状态序列的关联度,用关联度表征裂纹损伤程度。在理论仿真的基础上,进行实验验证。结果表明,倒谱分析可有效地识别出齿根裂纹故障,损伤程度越大,倒谱的尖峰幅值越大。PCA与GRA结合算法与GRA算法计算的关联度相比更大,区分度也更加明显。并可以有效地量化待检目标的损伤程度,为齿根裂纹的定量识别提供理论依据

风机叶片表面在出现损伤时,叶片在空气中转动过程中,产生的气动音频信号有异于叶片无损时的气动音频信号,其信号特征参数与叶片的损伤类型存在一定的关系,但风机叶片在空气中旋转产生的气动音频信号往往是非线性非稳态的,对于这种信号的特征提取存在一定困难,实验证明,正常叶片气动音频信号与故障叶片的气动音频信号的频带存在显著差别,基于此,提出一种基于ITD固有时间尺度分解的时频分析方法,先将信号自适应的按频率从高到低分解为若干PRC旋转分量,计算每一频带内的时域信号的能量,构造初始特征向量,再使用PCA对特征向量进行降维,简化计算,提高分类器识别效率,最后将降维简化后的样本特征向量输入到支持向量机进行训练识别,并从特征提取时间和识别率上与传统EMD分解作比较,结果表明,该算法降低了特征提取的计算量,减少了特征提取时间

对腐蚀缺陷的边缘进行准确识别是无损检测领域的一个难点，直接影响着腐蚀成像的效果。采用阵列脉冲涡流对腐蚀缺陷进行了检测，针对传统无损检测中只从时域提取特征造成识别正确率较低的问题，根据脉冲涡流具有丰富频率成分的特点，从时域和频域分别提取特征量，提出了一种基于主成分分析的阵列脉冲涡流腐蚀缺陷边缘识别方法，提高了缺陷边缘识别的正确率。

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。

文章提出了一种用少驱动（驱动源数目少于关节数）重构猎豹复杂步态的四足机器人设计方法。运用主成分分析方法（PCA）研究了猎豹在Gallop步态下腿部各关节运动之间的协同性,提取了对运动起主要影响的特征量（各变量的主元）和对应的运动重构矩阵。研究发现,四个髋关节与四个膝关节复杂运动分别需要两个主元来重构。基于这一结论,提出了一种实现复杂运动重构矩阵的紧凑型机械结构设计方法,开发了新型少驱动四足机器人的原型样机。基于Solidworks的仿真实验验证了四足机器人重构Gallop步态的可行性与机械结构设计的合理性。

针对液压泵故障特征的分散性和模糊性,提出基于振动和压力传感器的信息融合故障诊断方法.在充分分析液压泵球头松动故障机理的基础上,对振动信号和压力信号进行小波消噪处理,有效提取球头松动的故障特征.将不同类型特征参数进行特征层融合,利用主成分分析和改进算法的BP神经网络实现液压泵球头松动故障诊断.试验表明,基于不同类型传感器信息融合故障诊断方法可以有效地实现液压泵微弱故障的诊断.

利用光谱仪测得三种品牌共150个机油样本的光谱数据,再借助数据处理软件对原始光谱数据进行处理,处理后的数据先采用主成分分析法对机油品种进行定性分类,然后利用小波变换技术提取光谱特征信息,把光谱特征信息作为人工神经网络的输入建立机油品种识别模型,对机油品种进行定量鉴别。从每种机油50个样本共计150个样本中随机抽取120个样本（每种40个样本）用来建立神经网络模型,剩下的30个机油样本用于预测。品种识别准确率达到100%。说明本文提出的方法具有很好的分类和鉴别作用,为机油的品种鉴别提供了一种新方法。