进化计算与智能诊断.pdf

Y035)351 论文题 目:进化计算与智能诊断 专业方向: 博 士 生: (i*)X1 指导教师: (签名)一办左里主二 摘 要 作为一种新兴的强大的智能优化技术，进化计算己经广泛地应用在工程科 学的几乎每一个领域。本文重点研究了进化计算在故障诊断领域中的应用，以 推动和实现智能诊断。 /进化计算主要由遗传算法、遗传编程、进化策略和进化编程四个分支构成。 与传统优化方法，如牛顿的梯度下降法相比，进化计算在全局优化、不依赖于 梯度信息和易实施等方面都显示出了其优越性。在解决一些复杂的实际问题， 如具有多态性，不连续或不可微的目标函数时，进化计算优于传统优化方法。 在故障诊断领域，存在着许多类似的问题没有得到很好的解决，进化计算可望 高效地解决故障的识别问题。 本文的主要研究内容如下分章介绍。 第一章主要介绍了进化计算的历史、研究现状与未来展望。另外，概述了 进化计算在故障诊断中的应用。最后给出了论文的基本框架。 第二章主要集中研究了遗传算法的几个理论问题.首先给出了遗传算法的 梗概;然后研究了遗传算法的信息嫡、遗传算法的自组织特性;最后，从稳定 性的角度，详细研究了遗传算法优化效率的定量评价问题。 在应用遗传算法解决实际问题时，对于复杂非线性约束的处理是一个关键 问题。本文第三章提出了一种有效可行的 “分段动态罚函数”的策略来解决约 束问题。利用该方法成功地解决了信息嫡优化问题。 第四章利用一种新发展起来的模拟进化技术一遗传编程，将特征构造的概 念引入到故障的模式识别中。为了克服 “小样本”的瓶颈，本文研究了一种再 采样统计模拟 技术。Bootstrap与遗传编程相结合，作为遗传编程的 预处理。该方法可以为故障分类构造出更加有效的复合特征。 第五章提出了一种改进的遗传算法一-高斯变异遗传算法，它使用了本文首 次提出的基于进化代数变化的高斯变异算子。该算法可以同时提高全局和局部 搜索能力。数值试验还发现了它能够有效地抑制早熟现象的发生。 第六章研究了高斯变异遗传算法在全息诊断特征提取中的应用。故障特征 提取是工程诊断中最重要的一环，近年来出现的一种非线性特征提取方法一核 主分量分析，由于使用了非线性的核函数，与主分量分析相比，具有更好的分 类效果。核函数的优化选择是成功应用核主分量分析的关键，本章利用高斯变 异遗传算法成功地解决了核函数的优蝉择问题。 最后，第七章是全文的结论与展制 关键 词:进化计算 遗传算法 遗传编程 故障诊断 论文类型:应用基础 Subject: EvQ回JonoryoCmp山itionor过二血 Speciality: 纵 Name: (Signature) R、减 Supervisor: (Signature) 』 ABSTRACT Asanoveltypeofpowerfulintelligentoptimizationtechnology,evolutionary computation(EC)hasbeenutilizedextensivelyinnearlyeverybranchinengineering. ThisdissertationconcentratesontheapplicationsofECinthefieldoffaultdiagnosis, withthegoaltopromoteandrealizeintelligentdiagnosis Evolutionary computation,composed offourmain avenues:genetic algorithms(GA),geneticprogramming(GP),evolutionstrategies(ES),andevolu