故障模式辨识的特征选择问题研究

摘要

随着科学技术的飞速发展，机械设备运行过程中海量的数据被采集并存储，但是这些数据往往存在着“海量”和“高维”的特点，敏感信息往往就隐藏在大量的冗余和不相关特征中。如何能够从巨大的数据里发现蕴含的知识规律，对准确地进行转子系统故障诊断具有重大的意义。特征选择算法是一类可以在大量数据中挑选敏感特征的算法，为寻找可以判别故障类型的敏感特征子集提供了新的参考依据。据此，本文开展对特征选择方法的研究，有效处理故障数据集合中存在的不相关和冗余特征。主要研究内容及研究结果如下：
　　(1)对特征选择方法做了深入的分析和研究，并对其进行了归纳和总结，指出了特征选择方法的发展方向。以转子系统的振动信号为研究对象，以转子系统的振动特性和常见的故障机理为基础，对转子系统的离、在线数据进行处理。提取转子实验台系统各个状态的故障特征，并将得到的故障特征进行融合，构造多域故障特征集合。针对构造的故障特征集合展开选择方法问题的研究，重点研究了ReliefF方法和遗传算法的特点以及其在特征选择中的应用。
　　(2)针对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ReliefF算法和遗传算法相结合的故障特征筛选方法。该方法以构造的原始故障特征集为对象，首先利用ReliefF算法对原始特征集进行筛选，剔除不相关特征。利用选择的特征优化遗传算法的初始种群，使遗传算法可以拥有一个好的搜索起点，经过遗传算法处理，去除冗余特征，得到最简特征子集。将得到的特征子集通过KPCA方法映射到核空间进行计算，以辨识故障类别。实验结果表明，该算法可以有效的剔除故障数据集合中的不相关和冗余特征，最终得到敏感特征子集对故障类型的判别有很高的识别能力。
　　(3)利用MATLAB GUI模块编写了一套集振动信号分析与显示、振动趋势的显示、振动数据和特征数据存储、特征选择方法和故障分类于一体的机械振动信号分析系统，在实验研究中取得了较好的效果。
　　(4)本文提出的方法在故障特征选择应用中能得到很好的效果，但本文方法只研究了四种故障类型，对其他如转子裂纹等故障没有涉及，在今后的研究工作中需要增加对其他类型故障的研究。

目录

封面

声明

目录

中文摘要

英文摘要

插图索引

附表索引

第1章 绪论

1.1 选题背景及意义

1.2 国内外故障特征选择方法研究现状

1.3 主要研究方法

1.4主要研究内容与安排

第2章 特征选择的基本概念与方法简介

2.1 特征选择概述

2.2 特征选择方法分类

2.3 常用特征选择方法

2.4 特征选择方法的主要研究发展方向

2.5 本章小结

第3章 故障特征提取及特征选择方法应用

3.1 引言

3.2转子系统的振动特性及常见故障

3.3 转子系统特征提取

3.4 特征选择方法的应用

3.5 本章小结

第4章 基于ReliefF和遗传算法的故障特征选择方法设计与实现

4.1 引言

4.2 ReliefF算法简介

4.3 遗传算法简介

4.4 基于ReliefF和遗传算法的故障特征选择算法设计与实现

4.5 特征选择模型的对比分析

4.6 本章小结

第5章 基于MATLAB GUI 平台的转子故障诊断系统设计与实现

5.1 引言

5.2 MATLAB简介

5.3 MATLAB GUI简介

5.4 MATLAB GUI设计原则与步骤

5.5 基于MATLAB GUI的转子故障诊断系统设计

5.6 本章小结

总结与展望

全文总结

研究展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录

附录B 参加科研项目情况