目录
1轴承退化特征（时域特征、频域特征共21个）
数据集格式（每一列为一个特征，共21个特征；每一行为一个样本，共2803个样本）
21个特征绘制图形如下所示：
2轴承退化特征筛选（单调性、鲁棒性、趋势性）
单调性：
单调性通常用于描述数据随某个变量（如时间）变化时保持一致的增加或减少趋势的特性。在统计学中，单调性的评估可以通过斯皮尔曼等级相关系数来实现，这是一种非参数的方法，用于测量两组数据之间的单调关系的强度。斯皮尔曼等级相关系数，也称为斯皮尔曼的 rho，是通过对原始数据进行排序并基于这些排名来计算相关性的。它评估的是，当一个变量的值增加时，另一个变量的值是否也以一种一致的方式增加或减少。
其中，d_i是两个变量排名之间的差，n是数据点的数量。
鲁棒性：
表示信号本身对工况影响的抗干扰能力的大小，抗干扰能力越强鲁棒性越好。提取的特征参数需要呈现一定的平滑，展现出自身的抗干扰能力。鲁棒性的表达式为：
其中，x_i代表第i个样本点对应的特征值，x_i_T代表第i个样本点经过平滑后得到的平均趋势特征值。
趋势性：
趋势性（Trendiness）在统计和数据分析中是一个描述变量随时间变化趋势的度量。在给定的代码中，趋势性是通过计算时间向量 tt 和平滑后的数据 \text{smoothX}smoothX 之间的 Pearson 相关系数来评估的。趋势性计算公式是 Pearson 相关系数，表达式如下：
在趋势性的上下文中，通过取 r的绝对值可以得到一个正数，表示变量随时间变化的一致性和强度，而不考虑变化的方向（增加或减少）。这对于识别数据中的趋势特性非常有用，无论这些趋势是正向的还是负向的。
退化特征筛选综合得分：
OverallScores=weightTrend×Tre+weightMono×Mon+weightRobust×Rob
其中：
- Tre 是趋势性得分数组，其每个元素代表一个特征的趋势性。
- Mon 是单调性得分数组，其每个元素代表一个特征的单调性。
- Rob 是鲁棒性得分数组，其每个元素代表一个特征的鲁棒性。
- weightTrend、weightMono、和 weightRobust 是分别对应于趋势性、单调性和鲁棒性的权重。
根据设置的阈值比如0.85，即可得到筛选的特征（5，10，11，12，13）
1377
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
