基于粗糙集的旋轉(zhuǎn)設(shè)備故障診斷研究.pdf

1、旋轉(zhuǎn)設(shè)備在國民經(jīng)濟(jì)生產(chǎn)中有重要作用，出現(xiàn)故障會造成損失。故障診斷技術(shù)能夠監(jiān)控設(shè)備運行狀態(tài)，提前預(yù)警設(shè)備異常，從而減少設(shè)備維修費用及故障損失，具有很好的經(jīng)濟(jì)效益。本課題研究旋轉(zhuǎn)設(shè)備的故障智能診斷，首先通過經(jīng)驗?zāi)B(tài)分析(EMD)處理旋轉(zhuǎn)設(shè)備原始振動數(shù)據(jù)，獲取旋轉(zhuǎn)設(shè)備故障類別的主要特征數(shù)據(jù);然后采用粗糙集方法對主要特征數(shù)據(jù)約簡，獲取故障判斷的有效規(guī)則。由于旋轉(zhuǎn)設(shè)備數(shù)據(jù)的連續(xù)產(chǎn)生，需要實時判斷旋轉(zhuǎn)設(shè)備的故障類別，所以應(yīng)將數(shù)據(jù)離散化;并在有一定故

2、障規(guī)則的前提下，對新增數(shù)據(jù)樣本識別或進(jìn)行新規(guī)則的更新。
　　為將連續(xù)數(shù)據(jù)離散化，本文研究了一種改進(jìn)的CACC算法，該算法在類和屬性最大相關(guān)度的前提下，增加數(shù)據(jù)不一致約束條件，從而減少數(shù)據(jù)丟失信息量。仿真結(jié)果表明，本文算法整體指標(biāo)優(yōu)于ModifiedChi2，Extent-Chi2，CAIM，CACC等算法，能夠更為合理的獲取連續(xù)數(shù)據(jù)的斷點組合。
　　研究實現(xiàn)了一種基于屬性信息熵的增量學(xué)習(xí)算法，算法針對新增樣本屬性信息熵的變化