基于DPCA的线性监督分类的故障诊断方法
数据预处理
训练集样本(只有正样本)为 X n ∗ m { {\rm{X}}_{ {\rm{n*m}}}} Xn∗m(需要列均值为零,采用z-score归一化即可,每行一个样本,样本数目n,特征维度m)。
假设时延为 l l l,则生产一个新的数据矩阵(利用过去时间内观察到的样本):
X ( l ) = [ x k T x k − 1 T . . . x k − l T x k + 1 T x k T . . . x k + 1 − l T ⋮ ⋮ ⋮ ⋮ x k + p T x k + p − 1 T . . . x k + p − l T ] X(l) = \left[ \begin{array}{l} x_k^T{\rm{\,\,\,\,\,\,\,}}x_{k - 1}^T{\rm{\,\,\,\,\,\,}}...{\rm{\,\,\,\,}}x_{k - l}^T\\ x_{k + 1}^T{\rm{\,\,\,}}x_k^T{\rm{\,\,\,\,\,\,\,\,\,\,}}...{\rm{\,\,\,\,\,}}x_{k + 1 - l}^T\\ {\rm{\,\,\,\,\,}} \vdots {\rm{\,\,\,\,\,\,\,\,\,\,\,}} \vdots {\rm{\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,}} \vdots {\rm{\,\,\,\,\,\,\,\,\,\,\,\,}} \vdots \\ x_{k + p}^T{\rm{\,\,\,}}x_{k + p - 1}^T{\rm{\,\,}}...{\rm{\,\,\,}}x_{k + p - l}^T \end{array} \right] X(l)=⎣⎢⎢⎢⎡xkTxk−1T...xk−lTxk+1TxkT.