基于粗糙集的旋轉設備故障診斷研究.pdf

1、旋轉設備在國民經濟生產中有重要作用，出現故障會造成損失。故障診斷技術能夠監(jiān)控設備運行狀態(tài)，提前預警設備異常，從而減少設備維修費用及故障損失，具有很好的經濟效益。本課題研究旋轉設備的故障智能診斷，首先通過經驗模態(tài)分析(EMD)處理旋轉設備原始振動數據，獲取旋轉設備故障類別的主要特征數據;然后采用粗糙集方法對主要特征數據約簡，獲取故障判斷的有效規(guī)則。由于旋轉設備數據的連續(xù)產生，需要實時判斷旋轉設備的故障類別，所以應將數據離散化;并在有一定故

2、障規(guī)則的前提下，對新增數據樣本識別或進行新規(guī)則的更新。
　　為將連續(xù)數據離散化，本文研究了一種改進的CACC算法，該算法在類和屬性最大相關度的前提下，增加數據不一致約束條件，從而減少數據丟失信息量。仿真結果表明，本文算法整體指標優(yōu)于ModifiedChi2，Extent-Chi2，CAIM，CACC等算法，能夠更為合理的獲取連續(xù)數據的斷點組合。
　　研究實現了一種基于屬性信息熵的增量學習算法，算法針對新增樣本屬性信息熵的變化