[发明专利]振动信号特征参数识别方法

摘要

本发明公开了一种振动信号特征参数识别方法，将样本集划分为训练样本集和测试样本集，并使用测试样本集对已进行权值优化的RBF人工神经网络进行训练；使用训练收敛的网络对测试集中的样本进行识别。保证了训练样本选取的随机性，又保证了训练样本在全体样本中的分散性，符合统计学原理的试验样本选取方法，同时保证了测试结果与样本集划分方法之间的独立性。达到了提高信号特征参数识别准确性的目的。

主权项

一种振动信号特征参数识别方法，其特征在于，包括以下步骤：步骤一、在振动信号样本集中随机选取一个样本作为当前样本点，并且将此样本放入训练集中；步骤二、以上述当前样本点为中心，以r为半径做一个超球；步骤三、将上述超球覆盖的上述振动信号样本集中的样本点，不包括球心样本点，放入测试集中；步骤四、在上述步骤三中振动信号样本集中剩余的样本中再随机选取一个样本点作为当前样本点，放入训练集中；步骤五、重复步骤二至步骤四，直至训练集中的样本数目首次超过样本集中样本数目的设定百分比，则样本集划分结束；如果训练集中的样本数没有达到样本集数目设定百分比时样本集中已经没有样本点，则减小上述超球半径r，重复步骤骤二至步骤四，直至满足条件；步骤六、对上述步骤五完成划分的测试样本集归一化；步骤七、计算步骤一中振动信号样本集所有样本的平均值，即中心向量，然后计算每个向量与中心向量的欧氏距离，标记出最大距离；步骤八、构建以上述中心向量为中心点的多维正态分布，然后在上述步骤七中标记的最大距离范围内选取随机数，作为RBF人工神经网络的初始权值；步骤九、使用上述步骤六归一化后的测试样本集对已进行权值优化的RBF人工神经网络进行训练；步骤十、使用训练收敛的网络对上述步骤六归一化后的测试样本集进行识别。