基于信息熵的粗糙集在故障診斷中的應用研究.pdf

1、滾動軸承是機械設備中應用最為廣泛的旋轉(zhuǎn)部件之一,也是機械設備中最易損壞的部件之一,其運行狀態(tài)是否良好將直接影響整臺機器的性能.因此,對滾動軸承工作狀態(tài)的監(jiān)測及其故障診斷技術(shù)的研究工作越來越受到人們的重視,成為保證旋轉(zhuǎn)機械良好工作的重要措施.近年來,有不少研究人員提出了許多滾動軸承的智能故障診斷方法,如基于模型的方法、專家系統(tǒng)方法、模糊邏輯方法和神經(jīng)網(wǎng)絡方法等.這些方法為建立滾動軸承的智能診斷,提高系統(tǒng)運行和維護人員的決策效率起到了促進作

2、用.然而這些診斷方法從根本上來講均是基于模式識別與模式分類的基礎之上的,當模式較多時不可避免的都存在規(guī)則爆炸以及難以處理不完備、不一致信息等問題.出于這種考慮,引入粗糙集理論及方法.該文的主要工作可以歸納如下:1.對應用粗糙集理論與方法的過程中,如何對數(shù)據(jù)缺失值進行預處理以及如何進行數(shù)據(jù)離散化處理進行了探討.并給出了粗糙集理論中屬性約簡以及值約簡的常規(guī)算法,在此基礎上給出了基于信息量的屬性約簡算法.2.對熵的概念和作用做了簡要的闡述,并

3、在滾動軸承故障診斷的特征提取中,引入了熵的特征,提取了時域熵和頻域熵,使得特征參數(shù)更加全面.3.對數(shù)據(jù)離散化和信息表的約簡在粗糙集中的應用進行了研究,并建立了基于信息熵的粗糙集理論故障診斷體系.4.在研究中,首次選用決策屬性都相同的訓練樣本形成信息表,利用基于信息量的屬性約簡算法對其約簡后,從信息熵的角度分析信息表,提出了一種基于粗糙集理論的新的故障診斷方法.并通過實驗和計算,驗證了這種方法的可行性.5.對下一步在基于粗糙集故障診斷方面