应用粒计算的混合智能故障诊断技术研究

张周锁; 侯照文; 孙闯; 何正嘉

您当前的位置：

首页 >

文章列表页 >

应用粒计算的混合智能故障诊断技术研究

更新时间：2025-07-09

- 应用粒计算的混合智能故障诊断技术研究
- Hybrid Intelligent Diagnosis Technology Based on Granular Computing
- 西安交通大学学报 2011年45卷第1期页码：48-53
- 作者机构：
  
  西安交通大学机械工程学院,西安,710049
- 作者简介：
- 基金信息：
  
  : 2010-05-19. 作者简介: 张周锁(1964-),男,副教授. 基金项目: 国家自然科学基金资助项目(50875197);国家科技重大专项课题资助项目(2009ZX04014-101)
- DOI：
  中图分类号： TH17;TP18
- 网络首发：2011-01-10，
  
  纸质出版：2011
- 稿件说明：
移动端阅览
张周锁, 侯照文, 孙闯, 等. 应用粒计算的混合智能故障诊断技术研究[J]. 西安交通大学学报, 2011,45(1):48-53.

Hybrid Intelligent Diagnosis Technology Based on Granular Computing[J]. 2011, 45(1): 48-53.
张周锁, 侯照文, 孙闯, 等. 应用粒计算的混合智能故障诊断技术研究[J]. 西安交通大学学报, 2011,45(1):48-53. DOI：

Hybrid Intelligent Diagnosis Technology Based on Granular Computing[J]. 2011, 45(1): 48-53. DOI：

摘要

针对现有的混合智能故障诊断模型缺乏通用方法和混合框架

未能实现不同智能诊断方法的实质性融合和优势互补的问题

提出并构建了一种基于粒计算的混合智能故障诊断模型.该模型的核心是在邻域粗糙集中求取不同的邻域值

对故障特征集进行分层粒化

在不同粒度下获得核属性集.利用核属性集在相应粒度下构建人工神经网络和支持向量机子分类器

通过评估矩阵算法对所有粒度下全部子分类器的诊断结果进行融合集成.模型应用结果表明

分类精度随着粒度层的增加而不断提高

集成后的分类精度高于不同粒度下的所有子分类器

从而体现了粒化分层的优势和不同智能诊断方法的优势互补

为混合智能诊断提供了一种新途径.

Abstract

Aiming at lacking hybrid modes and common algorithms in existing hybrid intelligent diagnosis

a new model of hybrid intelligent fault diagnosis based on granular computing is proposed. In the model

the core features sets(CFS)are extracted in different granular levels by the reduction algorithm based on neighborhood rough set

then

CFS are chosen to train artificial neural network and support vector machines as sub-classifiers in corresponding levels. And the results of sub-classifiers in different granular levels are combined by criterion matrix algorithm as output of hybrid intelligent diagnosis. The model is applied to fault diagnosis of roller bearings in high-speed locomotive. The application results demonstrate that the classification accuracy is raised with the increasing granular levels

and the accuracy of hybrid results is higher than the one of any sub-classifier. The proposed model exhibits the effect of granulation and the advantages complementation among different intelligent methods to provide a new way for hybrid intelligent diagnosis.

关键词

Keywords

references

HAM F M, KOSTANIC I. 基于邻域粒化和粗糙逼近的数值属性约简[J]. 软件学报, 2008,19(3):640-649.HU Qinghua, YU Daren, XIE Zongxia. Numerical attribute reduction based on neighborhood granulation and rough approximation[J]. Journal of Software, 2008,19(3):640-649.[本刊相关文献链接]基于约束总体最小二乘算法的接地网故障诊断新模型. 西安交通大学学报,2010,44(10):110-115.机车故障诊断的局域均值分解解调方法. 西安交通大学学报,2010,44(5):40-44.利用非线性流形学习的轴承早期故障特征提取方法. 西安交通大学学报,2010,44(5):45-49.滚动轴承故障诊断的多小波谱峭度方法. 西安交通大学学报,2010,44(3):77-81.一种自适应局部线性嵌入与谱聚类融合的故障诊断方法. 西安交通大学学报,2010,44(3):77-82.粒计算及其在机械故障智能诊断中的应用. 西安交通大学学报,2009,43(9):37-41.具有模糊隶属度的模糊支持向量机算法. 西安交通大学学报,2009,43(9):40-43.自适应移频变尺度随机共振在故障诊断中的应用. 西安交通大学学报,2009,43(7):69-73.气动阀间歇性排气噪声辐射规律的研究. 西安交通大学学报,2008,42(9):1091-1095.运用电路蕴涵及拓扑信息提高数字电路故障压缩效率. 西安交通大学学报,2008,42(8):958-962.免疫编程的故障特征构造方法. 西安交通大学学报,2007,41(9):1036-1039.基于支持向量机的发动机故障诊断. 西安交通大学学报,2007,41(9):1124-1126.支持向量机在电力变压器故障诊断中的应用. 西安交通大学学报,2007,41(6):722-726.基于支持向量域描述的多故障诊断动态模型. 西安交通大学学报,2007,41(5):593-597.人眼视觉特性与粗糙集结合的X射线图像增强算法. 西安交通大学学报,2009,43(6):48-51.一种基于分辨函数的属性约简算法及其应用. 西安交通大学学报,2008,42(12):1455-1458.粗糙集属性约简判别分析方法及其应用. 西安交通大学学报,2007,41(8):939-943.粗糙集高效遗传约简算法. 西安交通大学学报,2007,41(4):444-447.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

粒计算及其在机械故障智能诊断中的应用

电力变压器故障诊断多智能体大模型构建与应用

采用双小波字典的齿轮箱复合故障特征提取方法

一维卷积神经网络在机械故障特征提取中的可解释性研究

蜉蝣优化双通道网络在齿轮箱故障诊断中的应用