基于AGA-RS的故障特征参数提取方法研究

ｄ ｅ ｓ ｉ ｇ ｎ ｏ ｆ ｆ ａ ｕ ｌ ｔ ｃ ｌ ａ ｓ ｓ ｉ ｉｅ ｆ ｒ ａ ｎ ｄ ｉ ｍｐ ｒ ｏ ｖ ｅ ｃ ｏ ｍｐ ｕ ｔ ａ ｔ ｉ ｏ ｎ ａ ｌ ｅ ｉｃ ｆ ｉ ｅ ｎ ｃ ｙ ． Ａｄ ａ ｐ ｔ ｉ ｖ ｅ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｎ ｄ ｒ ｏ ｕ ｇ ｈ ｓ ｅ ｔ ｓ ｔ ｈ ｅ ｏ ｒ ｙ ａ ｒ ｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｄ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｉ ｎ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ，ｃ ｏ ｍｐ ｒ ｅ ｓ ｓ ｉ ｎ ｇ ｈ ｉ ｇ ｈ ｄ ｉ ｍｅ ｎ ｓ ｉ ｏ ｎ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｐ ａ ｃ ｅ ｔ ｏ ｌ ｏ ｗ ｄ ｉ ｍｅ ｎ ｓ ｉ ｏ ｎ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｐ ａ ｃ ｅ ｃ ａ ｎ ｓ ｉ ｍｐｌ ｉ ｉｙ ｆ ｔ ｈ ｅ
Ｌ Ｉ Ｈｕ ａ ｙ ｉ ｎ ｇ ， Ｌ Ｉ Ｕ Ｊ ｉ ａ ｎ ｍｉ ｎ ，ＱＩ ＡＯ Ｘｉ ｎ ｙ ｏ ｎ ｇ ， ｅ ｔ ａ １ ． Ｍｅ ｔ ｈ ｏ ｄ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｆ ｆ ａ ｕ ｌ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ＡＧＡ－ ＲＳ ． Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ａ ｎ ｄ Ａｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ， ２ ０ １ ４ ， ５ ０ （ ５ ） ： ２ ５ ７ － ２ ６ ０ ．
Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ａ ｎ ｄＡ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ 计算 机工程 与应 用
基于 Ａ ＧＡ ． ＲＳ 的故 障特 征 参 数 提 取 方法 研 究
李 华 莹， 刘建敏 ， 乔新 勇 ， 李晓磊
Ｌ Ｉ Ｈ ｕ ａ ｙ ｉ ｎ ｇ ， Ｌ Ｉ Ｕ Ｊ ｉ ａ ｎ ｍｉ ｎ ， ＱＩ ＡＯ Ｘｉ ｎ ｙ ｏ ｎ ｇ ， Ｌ Ｉ Ｘｉ ａ ｏ ｌ ｅ ｉ 装 甲兵工程学院 机械工程系 ， 北京 １ ０ ０ ０ ７ ２
Ｄ ｅ ｐ ａ ￣ ｍｅ ｎ ｔ ｏ ｆ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ａ ｃ ａ ｄ ｅ ｍｙ ｏ ｆ Ａ ｒ ｍｏ ｒ ｅ ｄ Ｆ ｏ ｒ ｃ ｅ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ７ ２ ， Ｃ ｈ ｉ ｎ ａ
摘
要： 在 故障诊 断中， 将 高维特征 空间压缩到低 维特征 空间可 以 简化故 障分 类器设 计 ， 提 高运 算效率 。研 究 了 自
适应遗传 算法（ ＡＧ Ａ） 和粗糙 集（ Ｒ Ｓ ） 理论在特征 选择 和特征 约简中的应 用 ， 并针 对柴油机燃油喷射 系统故障提 取 了
简化 特征 ， 建立 了神 经网络模 型 。试验结果表 明， 基于Ａ Ｇ Ａ ． Ｒ Ｓ 的故障特征参数提取方 法可使故 障分 类器输入 参数 同时具有有效性和 简约性 ， 提 高了神经 网络 的运算效率。
ｆ ｏ ｒ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｒ ｅ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ， ｔ ｈ ｅ ｂ ｒ ｉ ｅ ｆ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ａ ｒ ｅ ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｅ ｄ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｔ ｈ ｅ ｆ ａ ｕ ｌ ｔ ｓ ｏ ｆ ｄ ｉ ｅ ｓ ｅ ｌ ｆ ｕ ｅ ｌ ｉ ｎ ｊ ｅ ｃ ｔ ｉ ｏ ｎ ｓ ｙ ｓ ｔ ｅ ｍ，
ｂ ｕ ｔ ａ ｌ ｓ ｏ ｉ ｍｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ｃ ａ ｐ ａ ｃ ｉ ｔ ｙ ｏ ｆ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ．
Ｋｅ ｙ ｗｏ ｒ ｄｓ ：Fra Baidu bibliotek ｄ ａ ｐ ｔ ｉ ｖ ｅ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ； ｒ ｏ ｕ ｇ ｈ ｓ ｅ ｔ ｓ ； ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ； ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ
ａ ｎ ｄ ｔ ｈ ｅ ｎ ｅ ｕｒ ａ ｌ ｎｅ ｔ ｗｏ ｒ ｋ ｍｏ ｄ ｅ ｌ ｉ ｓ ｂｕ ｉ ｌ ｔ ． Ｅｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｅ ｔ ｈ ｅ ｍｅ ｔ ｈｏ ｄ ｃ ａ ｎ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ａ ｎｄ ｂ ｒ ｉ ｅ ｆ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ，
关键词 ： 自适应 遗传算法； 粗糙集； 故障诊断 ； 特征提取
文献标志码 ： Ａ 中图分类号 ： Ｔ Ｋ ４ ２ ３ ｄ ｏ ｉ ： １ ０ ． ３ ７ ７ ８ ￣ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ２ ． ８ ３ ３ １ ． １ ２ ０ ４ ． ０ ５ ５ ３
１ 引 言
随着设备结构 １ ３ 趋复 杂 ， 反映故障状态所需要提 取 的特 征数 １ ３也相应地增 加 ， 致使要解决 问题 的特征空 间 变得越来越庞大 。在样本 数不是很多 的情况下 ， 用很 多 特征进行分类器 设计 ， 无论从计算的复杂程度还是 分类 器性能来看都是不适宜 的。在 这众多的原始特征 中 ， 存 在很多不相关和 冗余特征 。按 照对分类的作用 ， 可 以将 原始特征 分为三 类川 ： 相关特 征 、 无关特 征和 冗余特征 。