扇形段拉矫力数据突变特征提取方法

作     者：代超 容芷君 但斌斌 都胜朝 刘洋 肖浩 DAI Chao;RONG Zhijun;DAN Binbin;DU Shengchao;LIU Yang;XIAO Hao

作者机构：武汉科技大学机械自动化学院湖北武汉430081 武汉钢铁有限公司设备管理部湖北武汉430081 中交第二航务工程局有限公司工程装备技术部湖北武汉430081 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2025年第31卷第1期

页      面：254-263页

核心收录：

学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51475340) 面向多生产模式的柔性智能制造系统关键技术研究资助项目(2022BAA059) 

主　　题：扇形段 多维时间序列 主成分分析 突变特征 

摘      要：多维时序拉矫力的幅值突变表征着扇形段机组的故障,多维时序数据的时间和空间复杂度对突变特征提取方法的准确率和效率提出了更高的要求。利用多维时序数据的时间和空间相似性,提出小波相关滤波结合主成分分析的多维时序突变特征提取方法。首先,将每一维时域含噪拉矫力分别变换到小波域,利用拉矫力的自相似性进行降噪;然后,将去噪后的拉矫力映射到正交空间中,利用多维拉矫力之间的互相似性,通过线性变换将多维拉矫力映射到一维,再根据一维特征曲线的统计特征确定阈值,提取突变特征;最后,应用基于时间的滑动窗口动态更新数据,实现状态的连续在线识别;通过现场实测数据分析表明,小波相关滤波-主成分分析模型对多维时序数据的突变特征提取的准确率和效率分别达到90.39%和97.56%。