熵度量和遗传算法的粗糙集归约方法.pdfVIP

振动与冲击 第28卷第2期 JOURNAl。OFVIBRATIONANDSHOCK 基于熵度量和遗传算法的粗糙集归约方法 伍星1，迟毅林1，陈进2 (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：A 随着数据库技术和存储介质技术的飞速发展，企 提出了一个旋转机械故障诊断的特征挖掘模型见图1。 业状态监测数据库中常常多达数千兆字节。国内外学 用于解决本领域特征自动识别的问题。 者对数据挖掘技术在设备故障诊断方面的应用做了大 量的研究¨J。由于高质量的决策必然依赖于高质量的 被 刚咂酽掣数据 测 数据，因此数据准备是直接关系到整个故障挖掘项目 设 幽咂酽§幽采集 ＼ 一／ 9 备 系统 蘸 成败的重要步骤。芬兰赫尔辛基大学的H．Mannila在 垡兰|；丽群!幽 匦蛔i 文献[2]中指出数据准备工作大概要花去数据挖掘整 陌击引 个过程80％以上的时间。研究特征挖掘问题不仅是为 医L L7_ii姑审训 特祉审州 删4州 了减少计算工作量；而且当采用较多的粗特征量时，会 r特征托掘装置I 因噪声干扰的增强而损失故障识别精度∞j。 图l 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的特征归 2基于传统粗糙集理论的特征归约 约方法【4J。但是，对于不同的设备其特征也不尽相同， Set 粗糙集理论(Rough 这导致由人工建立的特征库存在如下缺点： J。 1)特征库的质量取决于设计人员的经验； 在众多的机器学习方法中，粗糙集学习方法是一个非 2)特征库是静态的，没有自动更新机制； 常活跃和迅速发展的方法。但是，该方法存在两个问 3)没有充分利用数据库中的冗余信息。 题：最佳约简不唯一和约简计算时间长。 为此，本文主要针对故障特征自动识别问