
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于相关性引导的粒子群优化方法在故障诊断中的特征选择应用
《IEEE/CAA Journal of Automatica Sinica》:Correlation-Guided Particle Swarm Optimization Approach for Feature Selection in Fault Diagnosis
【字体: 大 中 小 】 时间:2025年12月08日 来源:IEEE/CAA Journal of Automatica Sinica 19.2
编辑推荐:
针对故障诊断中特征选择效率低的问题,提出一种基于相关性的改进粒子群优化方法,通过特征相关性初始化、概率个体更新和样本收缩策略提升全局搜索能力,在四个公开数据集和实际应用中验证了其有效性,实现更小特征子集和更高分类准确率。
设备健康管理是确保机械设备安全、高效和可靠运行的关键[1]、[2]。故障诊断是设备健康管理的重要步骤之一,对于保证机械系统的可用性和安全性、避免危险情况的发生至关重要[3]、[4]。故障诊断本质上是一个分类任务,其目的是根据特征提供的信息对故障类别进行分类。根据数据类型和数据处理方式,故障诊断方法可以分为三类:基于模型的方法、基于知识的方法和基于信号的方法[5]。基于模型的方法通过模型结果的残差与实际结果来确定故障类型;基于知识的方法根据知识库来确定故障模式;基于信号的方法通过分析各种信号中的信息来确定故障类型。基于模型的方法仅适用于特定类型的机械系统和故障[6]。基于知识的方法主要依赖人工智能方法直接确定系统故障,但这只能在已知知识范围内进行,且方法结构较为复杂。相比之下,基于信号的方法不依赖于精确的模型或对特定系统的详细先验知识,因此可以应用于各种不同类型的系统。它们直接利用系统运行过程中产生的实际信号,这些信号最真实地反映了系统的当前状态。本研究将重点关注基于信号的方法。