故障嚴(yán)重程度識別的有序分類特征分析方法.pdf

1、近年來,故障診斷技術(shù)得到了深入研究和廣泛應(yīng)用。隨著人工智能、模式識別、機(jī)器學(xué)習(xí)以及計算機(jī)技術(shù)的發(fā)展,故障診斷技術(shù)朝著智能化的方向發(fā)展。在實際應(yīng)用中,識別故障嚴(yán)重程度是故障診斷領(lǐng)域的一個挑戰(zhàn)。獲取故障的嚴(yán)重程度信息能夠幫助用戶了解設(shè)備狀態(tài)的發(fā)展趨勢,制定合理的維修策略和檢修方案。
　　故障嚴(yán)重程度可以表示為“輕微故障”、“中等故障”和“嚴(yán)重故障”,不同嚴(yán)重程度之間存在序的關(guān)系。在模式識別領(lǐng)域中,故障嚴(yán)重程度識別可以理解為有序分類問題

2、。一些故障特征和故障的嚴(yán)重程度之間存在單調(diào)關(guān)系,被稱為單調(diào)故障特征,即特征值隨著故障程度的增大而單調(diào)變大或變小。單調(diào)故障特征能夠反映出與故障嚴(yán)重程度之間的單調(diào)趨勢,為故障嚴(yán)重程度識別提供直觀、簡單的診斷信息,但也存在一些特征與故障程度不存在單調(diào)依賴關(guān)系。我們稱前者為單調(diào)特征,后者為非單調(diào)特征。
　　在設(shè)備狀態(tài)監(jiān)測中的大量傳感器數(shù)據(jù),只有很少一部分與故障嚴(yán)重程度是相關(guān)的。大量不相關(guān)的故障特征會增加系統(tǒng)的復(fù)雜性,降低分類器的識別能力。

3、因此,在故障程度識別之前需要從全部特征集合中選擇與故障嚴(yán)重程度相關(guān)的故障特征子集,去除不相關(guān)和冗余的故障特征。本文從有序分類問題出發(fā),研究從原始特征空間中尋找最優(yōu)特征子集問題,以提高故障程度識別的泛化性能。本文首先假設(shè)全部特征都與故障嚴(yán)重性之間滿足單調(diào)依賴性,把故障嚴(yán)重性問題當(dāng)做單調(diào)分類問題進(jìn)行研究,然后再考慮實際問題中只有部分特征與故障嚴(yán)重性具有單調(diào)關(guān)系的情形,開展了以下幾方面的工作:
　　首先,設(shè)計了基于距離的單調(diào)分類特征選擇

4、算法?；舅枷胧歉鶕?jù)在特征空間中樣本的區(qū)分能力來評價特征集的質(zhì)量。將距離函數(shù)作為特征評價函數(shù)設(shè)計了特征選擇算法,并用實驗驗證了算法的有效性。
　　其次,設(shè)計了基于排序熵的魯棒單調(diào)分類特征選擇算法。大部分真實分類任務(wù)不是嚴(yán)格單調(diào)一致的,需要設(shè)計能夠容忍不一致的單調(diào)分類特征選擇算法。排序互信息基于概率分布函數(shù)計算,繼承了信息熵的魯棒性。本文采用排序互信息作為特征評價指標(biāo),通過最大相關(guān)最小冗余(mRMR)搜索策略尋找一個特征子集。實驗驗

5、證了排序互信息的魯棒性和特征選擇算法的有效性。
　　再次,設(shè)計了混合特征的有序分類特征選擇算法。實際故障嚴(yán)重程度識別任務(wù)中,只有部分特征與嚴(yán)重性程度之間是單調(diào)的。在單調(diào)特征和非單調(diào)特征共存的情況下,討論了混合特征選擇算法。將單調(diào)特征和非單調(diào)特征分開處理,對單調(diào)特征考慮單調(diào)一致性,對非單調(diào)特征考慮一般分類一致性,給出了混合特征分類一致性假設(shè)條件,并設(shè)計特征評價指標(biāo),構(gòu)造了有序分類的混合特征選擇算法。
　　最后,將提出的混合特征