基于粗糙集的电机机械状态特征的约简研究.pdfVIP

振动与冲．击 AND OFVIBRATIONSHOCK 第26卷第8期 JOURNAL 基于粗糙集的电机机械状态特征的约简研究 ， 胡雄1，王志欣2，陈兆能2 (1．上海海事大学物流工程学院，上海200135；2．上海交通大学机械动力学院，上海200030) 摘 要 针对集装箱起重机起升电机振动特征参数较多的特点，在利用小波包分解算法进行特征提取的过程中， 引入基于粗糙集理论的属性约简方法，在保证识别精度的前提下约简特征参数的维数，以便更高效地进行机械状态识别。 同时，引入Wallace测度对约简后的特征属性集与约简前进行识别精度比较。实验结果显示，约简前后的识别结果和精 度基本相同，而特征属性维数大大减少，从而大大降低了聚类识别过程的复杂程度和计算量。 关键词：特征提取，粗糙集，聚类，小波包分解 中图分类号：U653．921文献标识码：A 机械设备状态识别本质上是一个模式识别或聚类 U，记在属性曰上包含菇的等价类为[石]。，则 问题，信号的特征提取是其中的关键内容。通常，机械 [戈]。={YY∈U，(戈，Y)∈IND。(曰)}(2) 设备的特征参数越多，对系统状态的识别越深刻。但 是特征参数太多，会占用过多的存储空间，影响计算速 U，则x在B上的日一下近似(B-lower 度¨J。因此，需要对系统的冗余特征进行压缩，以提高 记做BX；x在B上的B一上近似(B．upperApproxima． 状态识别的效率。 tion)，记做BX，分别定义为： Pawlak【2 o于1982年提出了粗糙集(RoughSet)理 曰X={戈∈UI[z]R∈U}； 论。作为一种处理不精确、不完整或不确定知识的有 BX={菇∈UI[石]。nX≠垂} (3) 力数学工具，属性约简是其主要特色之一，已成功应用 于模式识别、机器学习旧。1等领域。在状态识别中，粗 糙集能在保证信息不丢失的前提下，对特征空间进行 负域。 有效约简，去除多余信息，降低计算的复杂度。 本文利用基于粗糙集的方法对集装箱起重机起升 Ma— 电机的振动特征向量进行属性约简，并保持一定的聚 trix)：CD定义为： 类精度，然后引入Wallace测度对属性约简后的数据聚 CD(i√)={otI口IERAa☆(省。)≠a^(戈，)}， 类结果与约简前的聚类结果进行比较，以判断属性约 i√=1，2，…／t． (4) 简后的聚类精度。 元素。 1基于粗糙集的属性约简 1．2基于粗糙集的属性约简方法。列 1．1基本概念M’ 定义5设u是一个论域，P是定义在u上的一个 定义1 一个信息系统可以表示为，={u，R，y， 卅；这里u为非空有限集合，称为论域(对象集)；R=C 称关系尺在P中是绝对不必要的(多余的)；否则，称R tAD，其中c为条件属性集，D为决策属性集；V是属性 在P中是绝对必要的。P中所有绝对必要关系组成的 值的集合∥：U×尺_y是一个信息函数，用来指定u中集合称为关系簇P的绝对核，记作CORE(P)。 每个对象的属性值。 定义6设U为一个论域，P和Q为定义在U上 定义2信息系统，={￡，，R，y，}中任一属性集B C_R，等价关系定义如下：