特征的几个坐标轴生成 ， 由于不同类别的模式一般

具有不同的模式特征 ，因而在该子空间中 ，属于该类

别模式的投影分布相对集中 ， 且与属于其它类别模

式的投影明显分离 。由此可以推测 ， 若将某一待识

别模式投影到它所属类别对应的子空间中 ， 其投影

必将与该子空间的训练模式集的投影充分靠近 。

用 K-L子空间法对一待识别模式进行分类的

步骤如下 :

(1)计算得出各类别训练样本的模式集 Pi =

[ x1 ，隧道风机， x2 ， … …， xsi] (i =1， …… ， m );m为总类别数目 ，屋顶风机，

Si 为第 i类训练样本的数目 。

诊断的内容得到了进一步的丰富与充实。

发生故障的风机设备在运行中一般处于非线性振动状态， 文献[1] 应用非线性动力学理论， 针对电机组

轴系存在的关键振动问题， 建立了转子非线性动力学模型， 从理论、试验和数值计算等方面， 对各种故障因素

影响下的动力学行为进行了综合分析， 提出了对轴系振动故障进行综合治理的方案。文献[2~6]阐述了风机等

旋转机械常见故障， 如不平衡、不对中、弯曲、裂纹、松动、碰摩、喘振、油膜涡动、油膜振荡、旋转失速等故障的

在 5种运行状态下采集得到的数据进行分析 ，将 5

个类别的所有样本按前述特征生成方法形成对应的

25维模式 ，每个类别的 18个训练模式形成一个 18

×25的特征短阵 ，经 K-L变换 ，将模式的维数由 25

维压缩至 3维 ，产生一个 25 ×3的 KLT矩阵 ，风机， 待识

别模式 (一个 1 ×25的矩阵 )与该 KLT矩阵相乘 ， 所

得一个 3维的向量即为待识别模式在该类别对应的

子空间中的****向量 ，分别计算待识别