基于ReliefF和遗传算法的故障特征筛选方法

摘要

针对机械设备故障数据集的高维和海量引发的"维数灾难"问题,提出一种基于RelieflF算法和遗传算法相结合的有效故障特征筛选方法.首先,对经滤波消噪后的故障信号进行量化故障特征提取,提取出时域、频域、小波包频带能量作为原始的描述故障状态的时频域特征.然后,基于ReliefF的方法对原始特征集进行初始筛选,剔除不相关特征,计算权值向量,并对相对应的特征进行加权;引入遗传算法对特征集进行二次筛选,去除冗余特征,得到精简后的最优特征子集.最后,采用KPCA分析对得到的最优特征子集进行分析,以辨识故障类别.结果表明,基于ReliefF和遗传算法的故障特征筛选方法可以剔除不相关和冗余特征,最终得到精简特征子集,并且筛选出的特征子集对故障类型的判别有很高的识别能力.