資源描述：
《基于粗糙集與支持向量機(jī)的電動機(jī)轉(zhuǎn)子斷條故障診斷.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第25卷第1期2012年1月機(jī)電產(chǎn)品開簋與刨嶄Development&InnovationofMachinery＆ElectricalProductsV01．25．No．1Jan．。2012文章編號：1002—6673(2012)01-088-03基于粗糙集與支持向量機(jī)的電動機(jī)轉(zhuǎn)子斷條故障診斷郎許飛，唐文秀，趙志江(東北林業(yè)大學(xué)，黑龍江哈爾濱150040)摘要：提出了一種基于粗糙集與支持向量機(jī)的電動機(jī)轉(zhuǎn)子斷條故障診斷方法。首先將電動機(jī)在不同故障狀態(tài)下的振動信號離散化，再應(yīng)用粗糙集軟件rosetta對數(shù)據(jù)進(jìn)行進(jìn)一步的約簡。得到約簡后的數(shù)據(jù)應(yīng)用于支持向
2、量機(jī)的訓(xùn)練從而得到基于支持向量機(jī)的多分類器。實(shí)驗(yàn)證明：該方法檢測電動機(jī)的轉(zhuǎn)子斷條故障是可行的。關(guān)鍵詞：支持向量機(jī)；粗糙集；電動機(jī)；故障診斷中圖分類號：TM307+．1文獻(xiàn)標(biāo)識碼：Adoi：10．3969／i．issn．1002—6673．2012．01．036ADiagnosisSystemofMotorBasedonRoughSetsandSupportVectorMachinesLANGXu—fti．TANGWen-Xiu。zHA0ZHi—jio札g(CollegeofMechanicalandElectricalEngineeringNEFU
3、，HarbinHeilongjiang150040，China)Abstract：Consideringtheabilityofroughsetstheoryonreductionofdecisionsystemandthatofsupportvectormachinesforclassification，adiagnosissystemoffaultdiagnosisoftherotorbrokenbarsofIMbasedonroughsetsandsupportvectormachlnegisproposed．Firsdy，thecontin
4、uousattributesdataindiagnosticdecisionsystem&rediscretized．Then，reductsarefoundbasedonroughsetstheory，andthekeycon-ditionsfordiagnosisaredetermined．Lastly，accordingtothechosenreduct，themulti—classsupportvectormachinesaredesignedforfaultdiag-nosis．Thediagnosisofarotordemonstrat
5、esthatthesystemcanreducetheCOStofdiagnosisgready．Anditverifiesthefeasibilityoftheengi-neeringapphcation．Keywords：supportvectormachines；roughsets；motor；faultdiagnosis。翟?～??阱種人-l-智能f近年來，隨著人工智能技術(shù)的發(fā)展，各種人智能方法已經(jīng)運(yùn)用于電動機(jī)故障診斷中，其中人工神經(jīng)網(wǎng)絡(luò)法(ANN)應(yīng)用較為廣泛。但ANN存在一些難以克服的缺陷，如受網(wǎng)絡(luò)結(jié)構(gòu)和樣本復(fù)雜性的影響較大。容易出現(xiàn)“
6、過學(xué)習(xí)”或低泛化能力：確定網(wǎng)絡(luò)結(jié)構(gòu)時缺乏有效的理論依據(jù)，基本上是憑經(jīng)驗(yàn)和反復(fù)試驗(yàn)來確定；易陷入局部極小等。近年來興起的支持向量機(jī)(supporVectorMachine)的機(jī)器學(xué)習(xí)算法以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，是專門針對有限樣本情況的學(xué)習(xí)機(jī)器，實(shí)現(xiàn)的是結(jié)構(gòu)風(fēng)險最小化，它最終解決的是一個凸二次規(guī)劃問題。從理論上說，得到的將是全局最優(yōu)解，解決了在ANN中無法避免的局部極值問題和低泛化能力M。但單純用SVM進(jìn)行電動機(jī)故障診斷也有其缺點(diǎn)，如當(dāng)輸入矢量維數(shù)過多和訓(xùn)練樣本過大時，SVM的計(jì)算復(fù)雜度及空間復(fù)雜性贏面i磊j；————一l作者簡介：郎許飛(1986一)，
7、男，內(nèi)蒙古赤峰市人．碩士研·究生。研究方向：檢測技術(shù)及自動化裝王。會大大增加，導(dǎo)致訓(xùn)練時間長、收斂速度慢等。針對上述問題，本文提出了一種將粗糙集理論(RS)與支持向量機(jī)結(jié)合起來進(jìn)行電動機(jī)斷條的故障診斷方法。粗糙集理論是一門新興的智能信息處理技術(shù)，它對各種不完整數(shù)據(jù)進(jìn)行分析和推理，發(fā)現(xiàn)數(shù)據(jù)問的關(guān)系，提取有用特征，簡化信息處理。其最大的特點(diǎn)就是在保持分類能力不變的前提下，能對大量數(shù)據(jù)進(jìn)行信息約簡[6,71。本方法首先利用RS對原始數(shù)據(jù)進(jìn)行預(yù)處理．去除冗余信息。再用約簡后的樣本訓(xùn)練SVM進(jìn)行故障分類。這樣降低了計(jì)算復(fù)雜性，提高了故障分類的正確率。1粗糙集
8、理論與支持向量機(jī)決策表是一類特殊而重要的知識表達(dá)系統(tǒng)，可定s：(U，CUD)為一知識表達(dá)系統(tǒng)，且C、D是兩個屬性子集。分別
