【摘要】：故障診斷對(duì)于提高設(shè)備運(yùn)行的可靠性起著至關(guān)重要的作用。故障診斷系統(tǒng)要求能夠快速有效的判斷故障位置、類型、性質(zhì)以及嚴(yán)重性等,并要求具有實(shí)時(shí)性、在線更新以及準(zhǔn)確性�；谥R(shí)發(fā)現(xiàn)的方法是故障診斷方法中最有效的方法之一。目前的故障識(shí)別模塊在穩(wěn)定性以及準(zhǔn)確度方面還難以滿足應(yīng)用要求,本文從故障特征子空間的探索與利用角度出發(fā),在鄰域粒化后尋找保持原始特征空間近似能力的多個(gè)屬性約簡(jiǎn),然后通過(guò)優(yōu)化方法融合不同約簡(jiǎn)的信息,以提高故障識(shí)別的泛化性能與穩(wěn)定性。從以下幾方面進(jìn)行了探索: 第一,提出了基于鄰域辨識(shí)矩陣的屬性約簡(jiǎn)方法以及基于樣本對(duì)選擇的快速約簡(jiǎn)方法。將基于辨識(shí)矩陣的約簡(jiǎn)方法引入到鄰域粗糙集中,建立了鄰域辨識(shí)關(guān)系下的屬性約簡(jiǎn)方法。在基于辨識(shí)矩陣的約簡(jiǎn)方法中,僅最小元素影響約簡(jiǎn)的結(jié)果,因此給出了通過(guò)尋找最小元素求得屬性約簡(jiǎn)的快速方法。同時(shí)分析了鄰域大小對(duì)于屬性約簡(jiǎn)的影響,檢驗(yàn)了約簡(jiǎn)評(píng)價(jià)指標(biāo)的有效性。 第二,提出了基于鄰域?qū)傩砸蕾嚩葘ふ宜屑s簡(jiǎn)的方法和鄰域隨機(jī)約簡(jiǎn)方法。鄰域?qū)傩砸蕾嚩纫驯挥糜跇?gòu)造尋找單個(gè)約簡(jiǎn)的算法,通過(guò)冪集的形式可利用屬性依賴度求得所有約簡(jiǎn)。為了尋求一種快速高效的多約簡(jiǎn)求解方法,構(gòu)建了基于屬性依賴度的隨機(jī)約簡(jiǎn)算法。這兩種屬性約簡(jiǎn)方法不僅適用于鄰域粗糙集,也可以拓展到經(jīng)典粗糙集以及模糊粗糙集中。 第三,提出了基于間隔分布熵的集成學(xué)習(xí)方法。本文提出了間隔分布熵的概念,以表示間隔分布的均勻程度,在最大化間隔的同時(shí)最大化間隔分布熵。由此設(shè)計(jì)了相應(yīng)的集成學(xué)習(xí)方法并檢驗(yàn)了其分類性能和間隔分布的變化。 第四,提出了基于間隔分布優(yōu)化正則化的集成學(xué)習(xí)方法。多分類器決策融合問(wèn)題本質(zhì)上是一個(gè)特殊的分類問(wèn)題,從分類器設(shè)計(jì)的角度去解決分類集成中的權(quán)學(xué)習(xí)問(wèn)題是本文的主要思路。通過(guò)把最小化融合損失和正則化學(xué)習(xí)結(jié)合起來(lái),提出了基于平方損失、logistic損失以及線性損失的正則化集成學(xué)習(xí)方法,并給出了平方損失對(duì)應(yīng)的泛化性能的界。測(cè)試了所提出方法的分類性能、間隔分布的變化以及不同優(yōu)化目標(biāo)下學(xué)習(xí)的權(quán)值,檢驗(yàn)了該方法的有效性。 第五,提出了基于鄰域約簡(jiǎn)集成的故障識(shí)別方法。從單個(gè)故障特征子空間學(xué)到的判別函數(shù)穩(wěn)定性和泛化性能較差,,把不同特征子空間的信息集成起來(lái),可提高故障識(shí)別的穩(wěn)定性以及準(zhǔn)確性。本文通過(guò)鄰域隨機(jī)約簡(jiǎn)獲得不同的故障可分子空間,并通過(guò)基于間隔分布優(yōu)化的方式集成從這些子空間建立的分類函數(shù),在齒輪裂紋故障中檢驗(yàn)了提出方法的有效性。 本文的研究統(tǒng)一了基于鄰域粗糙集的屬性約簡(jiǎn)方法,由于最小鄰域可分子空間泛化性能以及穩(wěn)定性方面的局限,提出了基于間隔分布優(yōu)化的鄰域約簡(jiǎn)集成學(xué)習(xí)方法。提出了間隔分布熵的概念,通過(guò)優(yōu)化間隔分布熵改變間隔分布。通過(guò)把最小化融合損失和正則化學(xué)習(xí)結(jié)合起來(lái),提出了三種損失函數(shù)不同正則和約束下的基于間隔分布優(yōu)化的集成學(xué)習(xí)方法。
[Abstract]:......
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：TH165.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 文福拴,韓禎祥,田磊,史覺(jué)瑋,張懷宇;基于遺傳算法的電力系統(tǒng)故障診斷的解析模型與方法──第一部分 : 模型與方法[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);1998年03期

2 周傳華;王清;吳科主;趙保華;;平均1-依賴決策樹集成算法[J];電子學(xué)報(bào);2010年02期

3 劉占生,張新江,楊建國(guó),夏松波;轉(zhuǎn)子軸心軌跡故障診斷特征識(shí)別方法研究[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);1998年06期

4 劉占生,劉成敏,劉樹春,范顯峰,唐炳照;小波分析和分形幾何在轉(zhuǎn)子動(dòng)靜碰摩故障診斷中的應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);1999年01期

5 孫涵;諸克軍;;基于鄰域粗糙集與支持向量機(jī)的油層識(shí)別研究[J];計(jì)算機(jī)工程與應(yīng)用;2008年30期

6 劉天羽;李國(guó)正;;齒輪故障不均衡分類問(wèn)題的研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年20期

7 李爰媛;孟相如;張立;莊凌屹;;基于數(shù)值型屬性約簡(jiǎn)的SVM網(wǎng)絡(luò)故障診斷[J];計(jì)算機(jī)工程;2009年07期

8 王玨,苗奪謙;Analysis on Attribute Reduction Strategies of Rough Set[J];Journal of Computer Science and Technology;1998年02期

9 王玨 ,王駒;Reduction Algorithms Based on Discernibility Matrix:The Ordered Attributes Method[J];Journal of Computer Science and Technology;2001年06期

10 趙勇;方宗德;王侃偉;龐輝;;鄰域粗糙集在輪對(duì)踏面缺陷圖像特征選擇的應(yīng)用[J];計(jì)算機(jī)測(cè)量與控制;2008年11期

相關(guān)博士學(xué)位論文 前2條

1 胡清華;混合數(shù)據(jù)知識(shí)發(fā)現(xiàn)的粗糙計(jì)算模型和算法[D];哈爾濱工業(yè)大學(xué);2008年

2 周瑞;基于第二代小波的機(jī)械故障信號(hào)處理方法研究[D];哈爾濱工業(yè)大學(xué);2009年

，

本文編號(hào)：2362864