论文部分内容阅读
针对传统数据挖掘方法中对于估计设备状态假设条件过多的问题,提出了基于马氏田口法（mahalanobis-taguchi system,MTS）的设备状态特征变量识别与优选方法。将马氏距离作为描述空间的单位量,基于正常样本建立特征变量基准空间;通过特征变量正常样本与异常样本马氏距离的对比对基准空间的有效性进行验证;利用正交表和信噪比分析对特征变量进行优选,剔除对状态识别结果影响不显著的特征变量;以微型数控铣床主轴上的滚动轴承为例搭建实验平台,证明通过该方法所选特征变量对滚轴运行状态具有较强的表征能力。