控制与决策

作者：赵玲,龚加兴,黄大荣,胡冲

单位：重庆交通大学 信息科学与工程学院,重庆 400074,,重庆交通大学 信息科学与工程学院,重庆 400074,,重庆交通大学 信息科学与工程学院,重庆 400074,,重庆微标科技股份有限公司,重庆 401121,

关键词：齿轮箱;故障特征;Fisher Score;最大信息系数;支持向量机;特征选择

基金：国家自然科学基金项目(61703063,61663008,61573076)；重庆市技术创新与应用专项重点项目(cstc2019jscx-mbdxX0015)；重庆市教委重点项目(KJZD-K20190070)；重庆市教委科学技术研究项目(KJZD-K201800701)；重庆市研究生科研创新项目(CYS19232)；桥梁工程结构动力学国家重点实验室开放基金项目(2019-01).

针对工业环境中齿轮箱多故障特征难以选择的问题,结合Fisher Score与最大信息系数(MIC)构建一种新的故障特征优化选择方法.首先,考虑到多故障特征分布不均匀和重叠性问题,采用Fisher Score计算方法构建特征指标重要度排序规则;其次,在考虑冗余特征对有效特征表征的影响基础上,利用最大信息系数构建特征间关联性评价方法,对冗余特征实现更新排序;再次,以分类准确率为判断依据,基于支持向量机理论(SVM)对排序模型进行修正,建立基于Fisher Score与最大信息系数的故障特征优化选择方法;最后,利用UCI标准数据集和实验仿真的齿轮箱故障数据进行实验以验证所提出算法的有效性和工程实用性.仿真实验对比分析表明,与传统的mRMR、reliefF方法相比,所提出的方法特征子集数量适中,准确率更高.

来源：2021年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第9期