摘要：針對旋轉(zhuǎn)機械非線性特征提取的問題,提出了廣義分形維數(shù)(generalized fractal dimension,簡稱GFD)和核函數(shù)主元分析(kernel principal component analysis,簡稱KPCA)的旋轉(zhuǎn)機械振動特征提取方法。首先,通過廣義分形維數(shù)進行初次特征提取,形成高維特征空間;其次,通過核主元分析方法對高維特征空間降維并進行第二次特征提取;最后,利用核主元分析方法和KN近鄰(KNN)方法對轉(zhuǎn)子和軸承不同狀態(tài)下的特征進行了分類。研究表明,GFD-KPCA方法對旋轉(zhuǎn)機械進行了有效的特征提取,對不同狀態(tài)的數(shù)據(jù)有高精度的分類,對參數(shù)選取有較低的依賴性。軸承微弱振動特征提取結(jié)果顯示,GFD-KPCA性能優(yōu)于常規(guī)的KPCA特征提取算法,具有更好的精度和適用范圍。