- 相關(guān)推薦
故障特征提取的方法研究
摘要：針對(duì)常規(guī)特征提取方法存在著問題不足，提出了基于BP神經(jīng)網(wǎng)絡(luò)和基于互信息熵的特征提取方法，并通過特征提取實(shí)例加以說明。結(jié)果表明這兩種方法是可行和有效的。關(guān)鍵詞：特征提取 故障診斷 神經(jīng)網(wǎng)絡(luò) 互信息熵
隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代設(shè)備的結(jié)構(gòu)日趨復(fù)雜，其故障類型越來越多，反映故障的狀態(tài)、特征也相應(yīng)增加。在實(shí)際故障診斷過程中，為了使診斷準(zhǔn)確可靠，總要采集盡可能多的樣本，以獲得足夠的故障信息。但樣本太多，會(huì)占用大量的存儲(chǔ)空間和計(jì)算時(shí)間，太多的特征輸入也會(huì)引起訓(xùn)練過程耗時(shí)費(fèi)工，甚至妨礙訓(xùn)練網(wǎng)絡(luò)的收斂，最終影響分類精度。因此要從樣本中提取對(duì)診斷故障貢獻(xiàn)大的有用信息。這一工作就是特征提取。
特征提取就是利用已有特征參數(shù)構(gòu)造一個(gè)較低維數(shù)的特征空間，將原始特征中蘊(yùn)含的有用信息映射到少數(shù)幾個(gè)特征上，忽略多余的不相干信息。從數(shù)學(xué)意義上講，就是對(duì)一個(gè)n維向量X＝[x1，x2，…，xn]T進(jìn)行降維，變換為低維向量Y＝[y1，y2，…，ym]T，m<n。其中Y確實(shí)含有向量X的主要特性。
特征提取的方法有很多，常用的方法主要有歐式距離法、概率距離法、統(tǒng)計(jì)直方圖法、散度準(zhǔn)則法等。本文針對(duì)現(xiàn)有方法的局限性，研究基于BP神經(jīng)網(wǎng)絡(luò)的特征提取方法和基于互信息熵的特征提取方法。
1 基于BP神經(jīng)網(wǎng)絡(luò)的特征提取方法
要從N個(gè)特征中挑選出對(duì)診斷貢獻(xiàn)較大的n個(gè)特征參數(shù)(n<N)，通常以特征參數(shù)X對(duì)狀態(tài)Y變化的靈敏度ε作為評(píng)價(jià)特征參數(shù)的度量：
εij=|(аYi)/(аXj)|
采用三層BP網(wǎng)絡(luò)，輸入層n個(gè)單元對(duì)應(yīng)n個(gè)特征參數(shù)，輸出層m個(gè)單元對(duì)應(yīng)m種模式分類，取中間隱層單元數(shù)為q，用W B iq表示輸入層單元i與隱層單元q之間的連接權(quán)；用w O qj表示隱層單元q與輸出層單元j之間的連接權(quán)，則隱層第q單元的輸出Oq，為：
輸出層第j個(gè)單元輸出yj為：
式中j=1，2，…，m；εj為閾值。
則特征參數(shù)xi對(duì)模式類別yj的靈敏度為：
代入（1）式，則特征參數(shù)Xi的靈敏度εij和特征參數(shù)Xk的靈敏度εkj之差可整理為：
大量的試驗(yàn)和研究表明，當(dāng)網(wǎng)絡(luò)收斂后有：a1≈a2≈…≈aq。
從上式可以看出，如果：
[1] [2] [3] [4] [5]
【故障特征提取的方法研究】相關(guān)文章：
光纖通道網(wǎng)絡(luò)故障處理方法研究04-27
機(jī)械故障特征提取分析及其維修決策05-03
3+1S陀螺的故障檢測(cè)方法研究04-30
基于仿真與數(shù)據(jù)挖掘的故障診斷方法研究04-28
民用飛機(jī)共模故障分析方法研究04-28
用機(jī)體振動(dòng)診斷旋翼失衡故障方法研究04-27
基于本體的故障維修案例知識(shí)建模和語義檢索方法研究05-03
處理道岔故障的快速方法04-30