在标度曲线中取直线段的方法是，取0.6k个点用LabVIEW的“线性拟合”函数拟合直线，GT30J122线性拟合函数的返回参数中有一个“残差”参数；移动拟合直线的开始点0.4k次，在得到的0.4k条拟合直线中；取残差最小的一条拟合直线的斜卒作为所求的关联维数。

   计算关联维数的参数选取。

   在相空间重构的过程中，嵌入维数m和延迟时间r是两个重要的参数，它们与重构后的相空间的质量密切相关。为了保证相空间容纳原状态空间吸引子的特征，嵌入相空间的维数m应取足够大，根据嵌入定理m≥2d+l，d是原来状态空间的吸引子所处空间的维数。但是在实际工程应用中，一般情况下缺乏对系统动力维数的先验知识，一般是逐渐增大嵌入维数，取关联维数收敛时的值作为计算结果。

   延迟时间r的选择对吸引子的质量有很大影响，如果r值太小会产生信息冗余，如果r值太大会造成重构误差。有文献提出建立r -Sm（S。是重构相空间中向量的平均位移）曲线，根据曲线曲率选取f值的方法。但是建立彳-S。曲线需要m值，而计算m值又需要固定r值。因此采用单因素实验法选择各个参数值，在工程实际中是比较可行的方法。利用具有不同特征的已知典型信号为实验对象，固定其他参数，改变其中一个参数，直到能够最显著地区分不同信号。经过逐步训练建立起针对特定对象的状态识别系统。

   关联维数的计算结果对于点对距离的阈值s和它的增量△￡也非常敏感，￡太大则一切点对的距离都不会超过它，不能反映系统的内部特征；而s太个则使任何偶然噪声的影响都得到表现。如果对输入信号进行归一化处理，能够形成对系统特征一致的判别标准。

   图9-19是一组采集自发电机组的典型信号时域图形，表9-2是这组信号的关联维数。图9-19典型信号时域波形

   表9-2典型信号关联维数

   对关联维数计算流程的改进，极大地优化了程序性能，实际测试数据表明，消耗时间和内存占用的下降极其显著。在计算过程中对于各项参数的合理选取，保证了对于动力系统状态按照一致的标准进行判别。通过设备故障诊断的实例证明，不同信号的关联维数有明显的不同，可以作为状态识别的特征量。在LabVIEW平台上开发关联维数计算的程序，提高了程序开发效率