资源描述：
《滚动轴承故障诊断的案例推理方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、滚动轴承故障诊断的案例推理方法付新哲张优云朱永生西安交通大学机械工程学院，710049，西安摘要：针对滚动轴承的故障诊断问题，提出了一种采用案例推理(CBR)的诊断方法.为了解决检索相似案例时案例属性多、人工确定关键属性及其权重困难的问题，提出了一种Filter/Wrapper复合型特征选择算法，用邻域粗糙集算法粗选属性，用遗传算法进一步精选属性和优化权重，并有效地解决了邻域粗糙集算法中需要人工确定邻域大小的问题.以滚动轴承运行时的振动信号为基本信息，建立了滚动轴承案例库，从案例库中检索与问题案例相似的历史
2、案例，并根据这些历史案例来判定问题案例的故障类别.试验结果表明，故障诊断的正确率达到100％，故障位置诊断的正确卒达到93.3％，且算法具有较好的稳定性.案例推理；滚动轴承；故障诊断TH17A0253-987X(2011)11-0079-06RollingBearingFaultDiagnosisApproachBasedonCase-BasedReasoningFUXinzheZHANGYouyunZHUYongsheng2011-03-30f寸新哲(1985-)，男，硕士生；张优云（联系人），女，教授.
3、国家自然科学基金资助项目(51035007).]都被用类型为l和较高结论2010(10):130-131.@@[6]WATSONI.Case-basedreasoningisamethodologynotatechnology[J].Knowledge-BasedSystems,1999,12(1/6):303-308.@@[7]GUYONI,ELISSEEFFA.Anintroductiontovariableandfeatureselection[J].TheJournalofMachineLearni
4、ngResearch,2003(3):1157-1182.@@[8]UNCUO,TURKSENI.Anovelfeatureselectionapproach:combiningfeaturewrappersandfilters[J].InformationSciences,2007,177(2):449-466.@@[9]ZHUZ,ONGYS,DASHM.Wrapper/filterfeatureselectionalgorithmusingamemeticframework[J].@@[1]王晓冬，何正
5、嘉，訾艳阳.滚动轴承故障诊断的多小SystemsManandCybernetics:PartBCybernetics,波谱峭度方法[J].西安交通大学学报，2010，44IEEETransactionsonSystems,2007,37(1):70-76.(3),77-81.@@[10]PENGH,LONGF,DINGC.FeatureselectionbasedWANGXiaodong,HEZhengjia,ZIYanyang.Spectralonmutualinformation:criteriaofm
6、ax-dependency,kurtosisofmultiwaveletforfaultdiagnosisofrollingmax-relevance,andmin-redundancy[J].IEEETransbearing[J].JournalofXi'anJiaotongUniversity,actionsonPatternAnalysisandMachineIntelligence,2010,44(3):77-81.2005,27(8):1226-1238.@@[2]毋文峰，陈小虎，苏勋家.基于经验
7、模式分解的单通@@[11]HUQ,YUD,LIUJ,etal.Neighborhoodroughset道机械信号盲分离[J].机械工程学报，2011，47basedheterogeneousfeaturesubsetselection[J].In(4):12-16.formationSciences,2008,178(18):3577-3594.WUWenfeng,CHENXiaohu,SUXunjia.Blind@@[12]胡清华.混合数据知识发现的粗糙计算模型和算法sourceseparationofs
8、ingle-channelmechanicalsignal[D].哈尔滨：哈尔滨工业大学，2008.basedonempiricalmodedecomposition[J].Journalof@@[13]LINR,WANGY,WUC,etal.DevelopingabusiMechanicalEngineering,2011,47(4):12-16.nessfailurepredictionmodelviaRST
