液压系统状态监测信号受回路特性与泵机组运行工况影响,呈现复杂非线性且异常状态难以准确识别与诊断。为此,提出了一种基于主成分分析与随机森林BP神经网络(PCA-RF-BP)的液压系统异常状态诊断策略,用于提高设备监测系统的诊断效率。首先,基于状态监测数据进行主成分分析以降低数据维度,同时计算T 2和SPE统计量进行过程状态的实时异常检测;其次,采用随机森林BP神经网络对异常样本进行预测分类。实验结果表明,所提方法能够有效地诊断液压系统泄漏状态,检测延迟至多5个样本点,预测分类精度达到99.88%,相较于现有方法平均提高了4.63%。

采用主成分分析法,对影响腊肠包装净含量的多种因素进行特征提取,利用降维思想与手段,通过多维特征空间建模与求解,找到了改进腊肠包装净含量测控技术的突破口：一是保证灌肠后腊肠重量的一致性,二是保证腊肠中肉馅肥瘦比例的一致性。针对此改进方向,设定合理的控制目标值与超包值,通过实践验证了模型的准确性与科学性,并从实际上改进了腊肠包装净含量的测控技术。

运用主成分分析方法，经过矩阵变换，提取振动信号的主要信息，从而实现对振动噪声源的分析。通过对100CLG-30船用立式单级离心泵试验数据的分析处理说明，在有用信息量损失较少的前提下，该方法可以提炼运转状态信息，是一种解决高维复杂系统状态分析问题的简便有效的统计方法。

基于结构加速度时间序列提出了一种新的损伤识别方法。首先,获取结构在无损伤状态下的加速度数据并进行分段,以各段数据的AR（auto-regressive）模型系数向量作为结构的参考状态样本,将未知状态的加速度AR模型系数向量分别加入参考状态样本中,构成多个原始数据矩阵;其次,对多个原始数据矩阵分别进行主成分分析得到前两阶主成分,并建立相应的椭圆控制图,以前两阶主成分在控制椭圆中的分布情况来判别结构是否存在损伤;最后,以一钢框架结构试验为例识别结构的两种损伤模式。结果显示,该方法能够准确、直观地识别结构是否存在损伤,相对于马氏距离判别法具有更强的稳定性。

为提高对复杂电磁环境下炮兵预处理目标实施火力分配的量化决策水平，运用主成分分析法对炮兵目标复杂电磁环境下价值排序的多项指标进行了聚集，利用理想点理论建立了综合优化决策模型，并进行实例分析，所得结果合理且符合客观实际，从而为作战指挥员提供了一种合理的决策依据和决策方法。

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。

通过动态主成分分析(Prineipal Component Analysis,PCA)的方式来实现高维数据的降维过程,简化数据的分析过程并提升数据处理效率,再把提取得到的主成分因子输入支持向量机中;接着利用遗传算法(Genetic Algorithm,GA)全局搜索方式优化支持向量机(Support Vector Machine,SVM)参数,有效克服人为选择参数所导致的盲目性,由此得到最优模型参数。研究结果表明:主成分信息表患共提取4个主元,相对原特征参数的占比为95.12%,完成了原数据高效压缩与降维的效果。迭代12次之后达到了98%的平均适应度,已经接近最佳适应度,说明此时种群中个体已经基本获得最优解。支持向量机获得了比反向传播(Back Propagation,BP)网络更高的诊断准确率,说明支持向量机更适合处理小样本与非线性问题,可将其应用于其它机械控制设备。

滚动轴承剩余使用寿命(RUL)预测对保障旋转机械设备平稳运行意义重大。针对时域特征预测精度波动大、数据利用率低等问题,提出一种基于时域和谱峭度特征融合及指数模型的滚动轴承RUL预测方法。从时域和谱峭度提取信号的特征进行平滑处理并基于单调性尺度排序,从而选取优势特征通过主成分分析(PCA)构建健康指标。然后,通过3σ准则确定退化点后对数据再处理。最后,基于贝叶斯理论和极大似然函数估计指数退化模型的参数来预测轴承每时刻的RUL,采用

在水平Y型分支管道中采用压缩空气作为动力，粒径为2mm的小米为输送物料进行气力输送试验。对气固两相分支管道各自的压力损失及两分支管间压力损失差值的变化规律进行了研究。试验表明，当气体表观速度下降时，两分支管的压力损失值减小；当气体表观速度低于沉积速度后，继续降低气速，各支管单位长度压力损失将增大，但两分支管上压力损失变化不同步。当两分支管与主管中轴线夹角的差值变大时，两分支管压力损失曲线及两分支管压力损失差曲线在气体高速区远离，在低速区靠近。同时，利用主成分分析法得出了影响两支管单位长度压损差值的主要因素是变动支与主管中轴线夹角、气体表观速度。

对某船液压系统所监测的油液污染度数据进行了主成分分析,分析结果表明:大尺寸颗粒的数量和小尺寸颗粒的数量是反映油液污染状况的主要因子.从油液污染实际状况方面,分析了以ISO 4406标准选择具有特征性的大尺寸颗粒和小尺寸颗粒的数量作为污染度等级划分的方法是合理的.