振动加速度检测中传感器连接状态的自动识别

用四种状态下的前30组数据进行学习。按第1节的方法计算这些数据的原始特征，形成8维的原始特征向量。按第2节的方法分别求出白化变换矩阵B、本征向量U’和本征值Λ’；从式(6)中的最后三个特征值很大可知，降维后的维数应取d=3。降维后的最终学习样本集Y1(3×120矩阵)见图3。由图3可知，四类连接状态的学习样本在降维之后能完全分开。

用四种状态下的后20组数据进行分类测试。首先计算每组数据的8个原始特征，基于学习阶段确定的降维矩阵对每个样本进行降维，这里降为3维；然后，与标准样本——学习样本进行一一比对。结果显示，方法对四种状态下的每个测试样本都能正确分类识别，测试正确率为100％。

4 结论
本文定义了表征振动加速度传感器连接状态的8个特征，并结合基于可分性判据的特征降维和近邻法分类，形成了识别振动加速度传感器四种连接状态(正常连接、松脱、远端导线断开、近端导线断开)的一种方法或者说途径。实验显示所提方法切实有效。相信该方法在结构健康监测、机器状态监测等中大有可为，通过自动识别振动加速度传感器的连接状态，可避免系统调试及使用过程中出现的异常连接数据进入数据库，造成数据污染、增加数据库负担；同时，该方法也可为传感器的检修提供参考。