作者：王新峰; 邱静; 刘冠军特征选择遗传算法
摘要：在机械故障诊断中,对机器状态信号进行处理可得到故障特征集.但是此特征集中通常含有冗余特征而影响诊断效果.特征选择可以去除原始特征中的冗余特征,提高诊断精度和诊断效率.本文提出采用支持向量机(SVM)作为决策分类器,研究了使用SVM的错误上界如半径-间距上界代替学习错误率作为特征性能评价,并且使用遗传算法对特征集进行寻优的特征选择方法.此方法由于只需要训练一次SVM,相比常用的分组轮换方法有较高的计算效率.数值仿真和减速器的轴承故障特征选择试验中,采用此方法对生成特征集进行选择,并与常用的分组轮换法进行了对比.结果显示此方法有较好的选择性能和选择效率.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
