摘要
针对邻域粗糙集(NRS)特征选择算法中邻域半径需要多次迭代调整、无法自动确定的问题,提出一种加权多邻域粗糙集(WMNRS)的特征选择方法;将该方法与经验小波变换(EWT)结合应用于旋转机械中,提出了一种旋转机械故障特征提取方法。利用EWT对非线性、强噪声振动信号进行分解,根据相关性选择一组最优模式分量进行重构,计算重构后信号的时域特征并构造高维原始特征集;在不同邻域半径下,利用NRS对原始特征集约简得到特征子集;统计原始特征集中各个特征在多邻域属性约简中出现的概率,将其作为权值与特征进行加权提取便于分类的敏感特征集;该方法最显著的特点是实现了邻域粗糙集的自动化特征提取,并且提取出的特征更具可区分性。试验结果表明:该方法能够有效提取旋转机械的振动信号特征,并且根据提取的特征向量可以正确辨识出旋转机械的故障类型;该研究可为解决非线性、强噪声、高维机械故障数据集的分类问题,提供理论参考依据。
-
单位机电工程学院; 兰州理工大学; 安阳工学院