一种基于最优时频特征提取与SVM的步进电机故障诊断方法

本发明公开了一种基于最优时频特征提取与SVM的步进电机故障诊断方法。首先通过振动传感器采集电机运行的振动信号，经信号预处理模块完成直流成分去除；接着采用自适应滑窗幅值分析法精准定位有效数据片段，并运用时频联合分析方法提取多维特征参数；继而通过改进的自编码特征选择器(AEFS)对特征集进行智能筛选，构建具有最优区分度的特征子集；最终基于核函数优化的支持向量机(SVM)建立分类模型，实现电机健康状态的精准辨识。本发明通过AEFS优化特征选择，结合SVM分类，有效降低数据噪声干扰，在提升故障诊断精度的同时减低了复杂度，适用于实际场景中电机的实时在线监测与异常预警。