《表2 轴承1退化特征主成分分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《随机矩阵理论和主成分分析融合的滚动轴承性能退化评估方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由图4可知：14个特征指标反映了轴承1由正常到失效整个全寿命历程，各指标都呈现了一定趋势，但对早期异常敏感程度、轴承各阶段划分的准确度及指标单调性方面均未达到最佳，指标p1、p2对轴承早期微弱故障较为敏感，但整体单调性差，对轴承各退化阶段开始与结束表征不准确；p3、p6、p13指标有较好的单调性，但在轴承退化加剧时所呈现出的变化趋势不明显；其余指标对轴承的退化过程反映较为剧烈，但数据存在冗余，总体上这14个指标所含信息较为嘈杂，难以对轴承性能退化过程进行很好的表征。因此，需要对不同指标进行主成分分析，降低冗余特征对退化指标的干扰，同时保留这14个指标中所需要的有效信息构造出一个融合指标用于对轴承退化历程进行表征。在对14个特征值指标按照第2节所示方法进行PCA融合后，计算各成分特征根数及其累计贡献率，如表2所示。可以观察到，融合后前3组主成分的贡献率较大，其累计贡献率已达到93.61%（大于90%），融合效果较好，在保证最少主成分的前提下基本可涵盖轴承14个指标中所有有用信息，故选取前3组主成分，利用其均值构建出融合特征指标pf用于对轴承退化历程描述和状态识别。