基于遗传编程的线性鉴别分析及其在故障诊断中的应用.pdfVIP

2007年6月 西北工业大学学报 June2007 ofNorthwestern 第25卷第3期 Journal PolytechnicalUniversity V01．25No．3 基于遗传编程的线性鉴别分析及其 在故障诊断中的应用 骆广琦1，宋文艳1，马晓锋2 f1-西北工业大学动力与能源学院．陕西西安710072 ＼2．中国一航西安航空发动机(集团)有限公司，陕西西安 摘要：针对线性鉴别分析在提取非线性特征时不能取得很好效果的问题，提出了基于遗传编程的 线性鉴别分析方法。首先利用遗传编程对传统的时域指标进行特征提取，得到更能反映信号本质的 复合指标，然后通过线性鉴别分析提取最佳特征向量，作为识别特征输入多类支持向量机，实现了 对机器不同类型故障的识别。实验表明，经过基于遗传编程的线性鉴别分析提取的特征对轴承的故 障具有很好的识别能力，进而提高了多类支持向量机的分类准确性。 关键词：故障诊断，特征提取，支持向量机，遗传编程，线性鉴别分析 中图分类号：V263．6 文献标识码：A 文章编号：1000—2758(2007)03—0363—05 机械故障诊断就其本质来讲，是一个模式识别 这种方法的有效性。 的过程。为了有效地实现分类识别，就要对原始数据 进行分析变换，得到最能反映分类本质的特征，实现 1基于遗传编程的复合特征提取 特征空间维数的压缩。线性鉴别分析(Linear Discriminant Analysis，LDA)：1]是一种线性主元分 特征提取从广义上讲也是对数据的预处理过 析方法，它以类间离差与类内离差之比作为准则函 程。特征提取一般提取主要的信息而忽略一些次要 数，提取最优特征，但在处理非线性问题时，往往不 的信息，而在大部分情况下，这种次要信息代表的是 能取得很好的效果．为此，非线性鉴别分析 噪声，因此特征提取又相当于对数据进行了降噪处 (NonlinearDiscriminant Analysis，NDA)[2]被提了 理，从而有可能提高分类准确率。在机械故障诊断 出来，它是线性鉴别分析采用核方法[s】后的非线性 中，特征参数法是常用的方法之一，最常用的特征参 推广。由于NDA是一种基于核的分析方法，核函数 数包括振幅的有效值、峰值和无量纲特征等时域特 参数的选取存在困难，而核函数参数对NDA的性 征参数，有时也用到一些频域参数。其中，无量纲指 能影响很大，这样就限制了NDA的应用。遗传编程 标因其对机器运行的工况变化不敏感，而获得了广 (Genetic Programming，GP)C4]作为一种智能的层 泛的应用。但是，目前已有的无量纲指标形式简单， 式结构优化算法，在机械故障的特征构造与特征选 数量有限，无法实现对不同设备产生的具有不同机 择中具有明显的优势。目前，关于遗传编程在特征提 理信号的准确描述，因而有必要针对不同设备的不 取中的应用研究已经做了许多探索性工作[5~钉。本 同状态，选择和构造最能反映信号本质的特征指标。 文提出了一种基于遗传编程的线性鉴别分析方法， 作为一种智能的层式结构优化算法，遗传编程可通 通过遗传编程提取复合特征，经过线性鉴别分析进 过对原始参数的重新组合优化，形成新的复合参数， 行二次特征提取，使支持向量机实现对机械不同工 并通过分类能力评判复合参数的优劣，实现对故障 作状态的识别，并以滚动轴承的故障识别为例，证明 特征的选择与提取。遗传编程的具体实