基于熵度量和遗传算法的粗糙集归约方法.pdfVIP

振动与冲击 第 卷 第 期 JOURNAL OF VIBRATION AND SHOCK Vol. No. 基于熵度量和遗传算法的粗糙集归约方法 1 1 2 伍 星 迟毅林 陈 进 (1. 昆明理工大学机电工程学院, 昆明 650093; 2.上海交通大学机械系统与振动国家重点实验室, 上海 200030) 摘 要：在研究数据挖掘技术的基础上，建立了旋转机械故障诊断的特征挖掘模型。针对传统粗糙集归约存在 的最佳约简不唯一和约简计算时间长的问题，提出了一种以熵重要度为指标的最佳特征评价方法和一种基于遗 传算法的粗糙集特征归约算法。最后，设计并实现了一个专用特征挖掘工具RMFMiner ，通过转子故障模拟数据 集和UCI机器学习数据库验证了该算法的有效性。 关键词：特征挖掘,熵度量,遗传算法,粗糙集 中图分类号:TP391 文献标识码: 0 引言 包含知识的案例集（即特征集）的建立给出明确的 处理过程模型。因此，可以将数据挖掘中数据准备 随着数据库技术和存储介质技术的飞速发展， 过程模型引入到故障诊断知识获取系统中。基于上 企业状态监测数据库中常常多达数千兆字节。国内 述考虑，本文提出了一个旋转机械故障诊断的特征 外学者对数据挖掘技术在设备故障诊断方面的应 挖掘模型见图1，用于解决本领域特征自动识别的 用做了大量的研究[1] 。由于高质量的决策必然依赖 问题。 于高质量的数据，因此数据准备是直接关系到整个 故障挖掘项目成败的重要步骤。芬兰赫尔辛基大学 U U′ 的H.Mannila在文献[2] 中指出数据准备工作大概要 Y 花去数据挖掘整个过程 80% 以上的时间。研究特征 挖掘问题不仅是为了减少计算工作量；而且当采用 Y ′ A F 较多的粗特征量时，会因噪声干扰的增强而损失故 障识别精度[3] 。 图1 旋转机械故障诊断的特征挖掘模型 机械设备故障诊断专家经过长期调查和实验 总结出的一些设备最佳诊断特征量是一种最简单 2 基于传统粗糙集理论的特征归约 的特征归约方法[4] 。但是，对于不同的设备其特征 粗糙集理论（Rough Set Theory, RST ）由波兰 也不尽相同，这导致由人工建立的特征库存在如下 的Z.Pawlak教授于1982年提出的一种数据分析工具 缺点： [5] 。在众多的机器学习方法中，粗糙集学习方法是 特征库的质量取决于设计人员的经验；