免疫编程的故障特征构造方法

梁霖 1; 徐光华 2; 刘弹 1

您当前的位置：

首页 >

文章列表页 >

免疫编程的故障特征构造方法

专题研究 | 更新时间：2025-12-08

- 免疫编程的故障特征构造方法
- Features Generation in Fault Diagnosis Based on Immune Programming
- 西安交通大学学报 2007年41卷第9期页码：1036-1039+1057
- 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：
  
  : 2007-01-05. 作者简介: 梁霖(1973～),男,博士,讲师. 基金项目: 国家自然科学基金重点资助项目(50335030)
- DOI：
  中图分类号： TH17
- 网络首发：2007-09-10，
  
  纸质出版：2007
- 稿件说明：
移动端阅览
梁霖 1, 徐光华 2, 刘弹 1. 免疫编程的故障特征构造方法[J]. 西安交通大学学报, 2007,41(9):1036-1039+1057.

梁霖 1, 徐光华 2, 刘弹 1. Features Generation in Fault Diagnosis Based on Immune Programming[J]. 2007, 41(9): 1036-1039+1057.
梁霖 1, 徐光华 2, 刘弹 1. 免疫编程的故障特征构造方法[J]. 西安交通大学学报, 2007,41(9):1036-1039+1057. DOI：

梁霖 1, 徐光华 2, 刘弹 1. Features Generation in Fault Diagnosis Based on Immune Programming[J]. 2007, 41(9): 1036-1039+1057. DOI：

摘要

在原始特征的多项式组合优化中

针对遗传编程易陷入局部优化解的缺点

引入了免疫编程的故障诊断优化策略

将类内类间散布矩阵判据作为抗体的亲和度

利用克隆、变异和更新等免疫算子实现抗体的优化

从而获得了最佳分类能力的复合特征.对发动机异响信号的6个典型时域特征的应用表明

克隆选择机制维持了抗体群体的多样性

同遗传编程方法相比

优化的复合特征具有更好的识别效果.

Abstract

Aiming at the shortage of premature convergence in the conventional genetic programming

a new feature generation method based on immune programming is put forward

where the new features are constructed by polynomial expressions of the original features

and the antibody affinity is defined by the ratio of inter-class scatter to the intra-class scatter. Combining cloning

hypermutation and replacement operator

the clonal selection optimal algorithm is adopted to search the best feature with excellent classification performance. The experiment of the six time domain features for engine sound signal shows that due to the maintained diversity of antibodies based on the clonal selection principle

the best compound feature constructed by immune programming is endowed with the better classification ability than the feature optimized by genetic programming.

关键词

Keywords

references

Vafaie H, de Jong K. Feature space transformation using genetic algorithms[J]. IEEE Intelligent System,1998,13(2):57-65.

Chen Peng, Nasu M, Toyota T. Self-reorganization of symptom parameters in frequency domain for failure diagnosis by genetic algorithm[J]. Journal of Intelligent and Fuzzy Systems,1998,6(1):27-37.

李良敏,屈梁生. 遗传编程在无量纲指标构建中的应用[J]. 西安交通大学学报,2005,36(7):736-739.

Li Liangmin,Qu Liangsheng. Genetic programming for dimensionless parameters construction[J]. Journal of Xi'an Jiaotong University,2005,36(7):736-739.

Durga P, Nikhil R, Jyotirmoy D. Genetic programming for simultaneous feature selection and classifier design[J]. IEEE Trans on System,Man,and Cybernetics, B: Cybernetics,2006,36(1):106-117.

Sun Ruixiang,Fugee T. Combing bootstrap and genetic programming for feature discovery in diesel engine diagnosis[J]. International Journal of Industrial Engineering,2004,11(3):273-281.

Peter M, Adriel L, Marek R, et al. Immune programming[J]. Information Sciences,2006,176(8):972-1002.

Koza J R, Streeter M J, Keane M. Routine high-return human-competitive machine learning[C]∥Proceedings of the International Conference on Machine Learning and Applications. Boston:Kluwer Academic Publishers,2003: 6-12.

林京. 基于连续小波技术的机械动态信号处理[D]. 西安:西安交通大学机械工程学院,1999.

王小平,曹立阳. 遗传算法——理论、应用与软件实现[M]. 西安:西安交通大学出版社,2002:92-103.

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

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

一种双阻尼小波赋能的可解释卷积神经网络在轴承故障诊断中的应用