粗糙集-遗传算法-神经网络集成分类器及其在转子故障诊断中的应用研究

中国机械工程 ›› 2008, Vol. 19 ›› Issue (1): 85-90.

粗糙集-遗传算法-神经网络集成分类器及其在转子故障诊断中的应用研究

陈果

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-10 发布日期:2008-01-10

Rough Set-genetic Algorithm-neural Network Compositive Classifier and Its Application in Rotor Faults Diagnosis

Chen Guo

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-10 Published:2008-01-10

摘要/Abstract

摘要：

针对转子故障诊断问题，在综合粗糙集理论、遗传算法及神经网络学习算法各自优点的基础上，提出了一种新的粗糙集-遗传算法-神经网络（RS-GA-NN）集成分类器模型。在该模型中，利用粗糙集理论的离散和约简算法实现对样本数据的特征选取；利用神经网络实现样本特征向量与故障之间的非线性映射；利用遗传算法实现对神经网络的结构优化以使神经网络的泛化能力达到最优。利用转子故障实验台模拟了不平衡、不对中、碰摩及油膜涡动4种故障的127个样本，构建了多故障识别的RS-GA-NN集成分类器，进行了转子故障的智能诊断实验，获得了很好的效果。

关键词: 粗糙集理论, 遗传算法, 神经网络, 转子, 故障诊断

Abstract:

The fault diagnosis problem of rotor system was aimed at, on the basis of synthesizing the advantages of Rough Set (RS) theory, Genetic Algorithm (GA) and Neural Network (NN), a new RS-GA-NN compositive classifier was put forward. In the model, the RS was used to carry out selection of sample features; the NN was used to realize the mapping between features and fault type of sample; the GA was used to optimize the structure of NN model in order to make it to reach the best generalization.The rotor fault experimental rig was used to simulate unbalance, misalignment, rubbing and oil whirling faults, and 127 faults samples are obtained. Finally, the RS-GA-NN compositive classifier of multi-faults recognition was established, and the intelligent fault diagnosis experiment was finished, and a very satisfied result is obtained.

Key words: rough set(RS), genetic algorithm(GA), neural network(NN), rotor, fault diagnosis

中图分类号:

TH165.3

陈果. 粗糙集-遗传算法-神经网络集成分类器及其在转子故障诊断中的应用研究[J]. 中国机械工程, 2008, 19(1): 85-90.

Chen Guo. Rough Set-genetic Algorithm-neural Network Compositive Classifier and Its Application in Rotor Faults Diagnosis[J]. China Mechanical Engineering, 2008, 19(1): 85-90.

[1]	李小力, 陈威, 闫蓉. 基于BP神经网络的空间轮廓误差自适应补偿 [J]. J4, 201016, 21(16): 1902-1906.
[2]	罗洁思, 于德介, 史美丽. 基于SVD和线调频小波路径追踪的转速波动齿轮箱故障诊断 [J]. J4, 201016, 21(16): 1947-1951.
[3]	赵伟, 王志远, 周志立. 载重汽车连续下坡弯道路段制动稳定性仿真研究 [J]. J4, 201016, 21(16): 2010-2015.
[4]	孙永国, 金欣, 薛冬, 单建平, 石晓春. 基于NSGA-Ⅱ的滑油泵叶轮结构优化设计[J]. 中国机械工程, 2024, 35(03): 559-569.
[5]	肖刚, 顾海瑞, 董锦锦, 王琪冰, 陆佳炜. 仿真数据驱动的长期服役电梯导轨故障迁移诊断方法[J]. 中国机械工程, 2024, 35(01): 125-135.
[6]	谢阳, 戴逸群, 张超勇, 刘金锋. 融合集成模型与深度学习的机床能耗识别与预测方法[J]. 中国机械工程, 2023, 34(24): 2963-2974.
[7]	于树博, 刘占生, 赵辰. 动力学仿真数据驱动的域自适应智能诊断方法[J]. 中国机械工程, 2023, 34(23): 2832-2841.
[8]	刘孝保, 严清秀, 易斌, 姚廷强, 顾文娟. 基于集成学习和改进粒子群优化算法的流程制造工艺参数优化[J]. 中国机械工程, 2023, 34(23): 2842-2853.
[9]	陈剑, 许畅, 徐庭亮, . 基于位错叠加法和改进概率神经网络的离心泵故障诊断方法[J]. 中国机械工程, 2023, 34(23): 2854-2861.
[10]	李光保, 高栋, 路勇, 平昊, 周愿愿. 自适应卡尔曼滤波与PSO-GA-BP算法的机器人误差补偿[J]. 中国机械工程, 2023, 34(20): 2456-2465.
[11]	屈小章, 张加贝, 翟方志. 高速列车散热离心风机性能灵敏性分析及优化[J]. 中国机械工程, 2023, 34(20): 2504-2512.
[12]	徐美姣, 薛善良, 张惠, 周国庆, 卢红根. 基于BP-AdaBoost算法的复杂产品装配制造成熟度等级评估方法[J]. 中国机械工程, 2023, 34(20): 2513-2519.
[13]	秦国浩, 张楷, 丁昆, 黄锋飞, 郑庆, 丁国富, . 动态宽卷积残差网络的轴承故障诊断方法[J]. 中国机械工程, 2023, 34(18): 2212-2221.
[14]	张东, 刘啸奔, 孔天威, 杨悦, 武学健, 吴锴, 张宏. 高钢级管道焊缝材料应力应变本构关系确定方法[J]. 中国机械工程, 2023, 34(17): 2106-2114.
[15]	董绍江, 周存芳, 陈里里, 徐向阳. 基于判别性特征提取和双重域对齐的轴承跨域故障诊断[J]. 中国机械工程, 2023, 34(15): 1856-1863.