基于Parzen窗的Vague集理论用于油液原子光谱特征优选

摘要：

油液原子光谱信息量大且具有模糊性,严重影响了在故障诊断中的应用效率和精度.为选择数量少、效率高的光谱特征,提出了一种光谱特征选择的新方法.基于齿轮箱实验台架,模拟了齿轮正常磨损状态和两种典型放障,并采集了油液样本.将三种磨损状态视为三个Vague集,光谱特征值视为Vague集上的Vague值.基于Vague值之间的相似度量,定义了平均Vague敏感度(mean vague sensitivity,MVS),用来描述光谱特征对不同磨损状态的敏感程度,并据此选择出对磨损状态敏感度高的光谱特征.此外,针对Vague集隶属度的确定严重依赖人为经验的问题,利用Parzen窗法分别估计出三种状态光谱数据的概率密度分布后,结合贝叶斯公式确定出Vague集的隶属度上、下限.实验表明,此方法可以有效地从大量光谱特征中选择出对故障敏感程度较高的特征.

关键词：油液原子光谱、特征选择、Vague集、Parzen窗、贝叶斯公式

所属期刊栏目：31

分类号：TH165.3

资助基金：国家自然科学基金项目50705097;军械工程学院基金项目YJJXM08009;清华大学摩擦学国家重点实验室开放基金项目SKLTKF09B06

在线出版日期：2011-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：465-468