如何从采集到的信号中提取有效的特征值

来源：塑胶五金网发布时间：2014-10-16 16:23:33点击率：

　　齿轮故障诊断的关键是如何从采集到的信号中提取有效的特征值来表征其故障状态。传统的特征提取方法得到的特征量之间往往存在冗余信息，以及错误的干扰信息，这些信息往往会降低诊断的效率甚至误导诊断的结果。本文提出了一种基于粗糙集神经网络的齿轮故障诊断方法，先利用粗糙集对提取的齿轮特征集进行属性约减，然后以约减后的特征集作为输入，利用BP神经网络进行建模，有效的提高的齿轮故障诊断的效率和精度。

　　粗糙集神经网络结构和原理：基于粗糙集的特征属性约简粗糙集的概念早是由Z.Pawlak提出的，它在不精确、不确定和不完备系统的知识发掘中有着非常广泛的应用。其主要思想是，在保持信息系统分类能力不变的前提下，通过属性的约减，导出问题的决策或分类规则。塑料液下泵在高维特征量的数据预处理中，粗糙集可以用来对高维数据进行属性约减，消除特征数据中的冗余信息，从而达到对高维特征量的降维处理，得到更加精确的特征量。利用粗糙集进行特征属性约减可以分以下几个步骤进行：

　　1)论域的界定：设21nxU为被研究对象的一个非空集合，称为论域。定义fVD为一个信息系统，其中DCP为属性集合;C为条件属性，D为决策属性;pUV∈=α，是属性P∈α的值域集合;VPUf→×：是一个信息函数。

　　2)特征属性的离散：特征属性的离散是将论域中所有对象的属性集按照一定的方式进行插值，得到一系列的离散化区间，从而将原来的属性集划分到不同的离散区间，减少属性集值域的大小。

　　3)知识的约减：知识约减是通过计算区分矩阵和分辨函数来获得信息系统S的小知识覆盖，去掉不必要的属性，达到系统的简化。

　　4)逻辑规则的产生：根据约减后的简化形式，确定信息系统的知识核，获得所有决策类的规则集合。

上一篇：齿轮罩壁厚度与刚度的关系

下一篇：柔轮轮齿的三维建模参数有限元分析研究非线性弹性变形有效工具

转载请注明：转载自塑胶五金网技术频道 http://www.sjwj.com/Liter/
本文链接：http://www.sjwj.com/Liter/LiterDetail_30307.html
版权声明：1.塑胶五金网转载作品均注明出处，本网未注明出处和转载的，是出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性，您同意将自行加以判断并承担所有风险。 2.如转载作品侵犯作者署名权，或有其他诸如版权、肖像权、知识产权等方面的伤害，并非本网故意为之，在接到相关权利人通知后将立即加以更正。联系电话：15014822798
投稿声明：可将稿件直接发至邮箱：234145668@qq.com（主题注明“投稿”），也可直接联系