關(guān)曉穎博士論文開(kāi)題ppt下載-智能診斷與專家系統(tǒng)研究室

1、2024/2/28,南京航空航天大學(xué)智能診斷與專家系統(tǒng)研究室 http://ides.nuaa.edu.cn,學(xué) 生：郝騰飛,姓名：關(guān)曉穎導(dǎo)師：陳果 教授專業(yè)：載運(yùn)工具運(yùn)用工程,融合機(jī)器學(xué)習(xí)的改進(jìn)遺傳算法及其在航空發(fā)動(dòng)機(jī)智能診斷中的應(yīng)用研究,,,,課題來(lái)源,,,,,,,,,*,課題來(lái)源,[1] 國(guó)家自然科學(xué)基金項(xiàng)目：航空發(fā)動(dòng)機(jī)智能診斷中學(xué)習(xí)樣本與學(xué)習(xí)機(jī)器的自適應(yīng)性問(wèn)題研究[2] 中航工業(yè)

2、綜合所技術(shù)支撐項(xiàng)目：多源信號(hào)數(shù)據(jù)融合技術(shù)在滾動(dòng)軸承運(yùn)行狀態(tài)評(píng)估的應(yīng)用[3] 江蘇省普通高校學(xué)術(shù)學(xué)位研究生創(chuàng)新計(jì)劃項(xiàng)目：遺傳算法在航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障監(jiān)測(cè)中的應(yīng)用研究,,,,,,目 錄,課題研究意義國(guó)內(nèi)外研究現(xiàn)狀分析研究方案研究基礎(chǔ)研究計(jì)劃及進(jìn)度預(yù)期成果,,,,課題研究意義,,,,,,,,,*,,,,發(fā)動(dòng)機(jī)的安全可靠,發(fā)動(dòng)機(jī)的維修保障費(fèi)用的可承受性,航空發(fā)動(dòng)機(jī)作為現(xiàn)代飛行器的動(dòng)力核心,首要任務(wù),不可回避的問(wèn)題,,,,課題

3、研究意義,,,,,,,,,*,以航空發(fā)動(dòng)機(jī)滾動(dòng)軸承為例,按軸承的設(shè)計(jì)預(yù)期壽命進(jìn)行定時(shí)更換,若軸承還沒(méi)有達(dá)到預(yù)期壽命便已經(jīng)發(fā)生故障,若軸承達(dá)到了預(yù)期壽命仍然能正常工作，此時(shí)更換軸承必然導(dǎo)致維護(hù)成本的增加,嚴(yán)重威脅飛行安全,造成經(jīng)濟(jì)上的浪費(fèi),必須充分了解航空發(fā)動(dòng)機(jī)的整個(gè)運(yùn)行狀況，采取預(yù)防性維修（視情維修）策略，實(shí)現(xiàn)在安全性和經(jīng)濟(jì)性之間達(dá)到平衡,解決方法,,,,課題研究意義,,,,,,,,,*,準(zhǔn)確判斷航空發(fā)動(dòng)機(jī)當(dāng)前狀態(tài),預(yù)防性維修策略,軸承

4、葉片其他部件,發(fā)動(dòng)機(jī),,當(dāng)前狀態(tài)監(jiān)測(cè)和評(píng)估,預(yù)防性維修策略,部件很多,關(guān)鍵部件,,,,課題研究意義,,,,,,,,,*,發(fā)動(dòng)機(jī)的氣路性能參數(shù)轉(zhuǎn)子系統(tǒng)的振動(dòng)參數(shù)磨損狀態(tài)……,產(chǎn)生,大量數(shù)據(jù),智能計(jì)算（如遺傳算法）,機(jī)器學(xué)習(xí)技術(shù),實(shí)現(xiàn)航空發(fā)動(dòng)機(jī)故障診斷提高診斷自動(dòng)化程度、智能化程度診斷準(zhǔn)確度診斷效率,,挖掘有用知識(shí)和信息,本課題研究將遺傳算法和機(jī)器學(xué)習(xí)技術(shù)運(yùn)用到航空發(fā)動(dòng)機(jī)的狀態(tài)監(jiān)測(cè)和故障診斷中，通過(guò)對(duì)遺傳算法進(jìn)行深入的研究，

5、結(jié)合機(jī)器學(xué)習(xí)技術(shù)，提出改進(jìn)的遺傳算法，使算法有效地適用于航空發(fā)動(dòng)機(jī)滾動(dòng)軸承狀態(tài)特征選擇、規(guī)則提取等問(wèn)題，實(shí)現(xiàn)航空發(fā)動(dòng)機(jī)故障診斷智能化，并達(dá)到效率更高、解的質(zhì)量更好和更可靠的目的。,,研究關(guān)注點(diǎn),目的,,,,國(guó)內(nèi)外研究現(xiàn)狀分析,,,,,,,,,*,遺傳算法及其改進(jìn)遺傳算法在故障特征選擇中的應(yīng)用遺傳算法在SVM參數(shù)優(yōu)化中的應(yīng)用遺傳算法在規(guī)則提取中的應(yīng)用,,,,國(guó)內(nèi)外研究現(xiàn)狀分析-----遺傳算法及其改進(jìn),,,,,,,,,*,遺傳算法（

6、Genetic Algorithm，GA）,達(dá)爾文進(jìn)化論自然選擇適者生存、優(yōu)勝劣汰,優(yōu)點(diǎn)：遺傳算法獨(dú)立于問(wèn)題的知識(shí)領(lǐng)域之外，實(shí)現(xiàn)步驟簡(jiǎn)單規(guī)范，并且具有良好的全局收斂能力、自適應(yīng)能力和并行能力，適用于解決復(fù)雜的非線性和多維空間尋優(yōu)問(wèn)題。,缺點(diǎn)：易陷入局部最優(yōu)，即出現(xiàn)“早熟”現(xiàn)象。,,遺傳算子,評(píng)價(jià)個(gè)體優(yōu)劣,產(chǎn)生新種群,,,,國(guó)內(nèi)外研究現(xiàn)狀分析-----遺傳算法及其改進(jìn),,,,,,,,,*,,遺傳算子,評(píng)價(jià)個(gè)體優(yōu)劣,為了克服GA的不足，

7、提高算法的性能，很多學(xué)者對(duì)遺傳算法進(jìn)行改進(jìn),,,,1. 算法參數(shù),固定取值、自適應(yīng)調(diào)整等,,2. 算子改進(jìn),自適應(yīng)控制、與其他技術(shù)結(jié)合（小波理論、模糊邏輯控制器、拉普拉斯函數(shù)、K-means 法、單純形法等）,,3. 并行GA或多種群,主從并行GA、細(xì)顆粒度并行GA、粗顆粒度并行GA、降維式并行GA等,,,,,小結(jié)：很多學(xué)者對(duì)遺傳算法展開(kāi)了研究，提出了很多改進(jìn)的遺傳算法，并取得不錯(cuò)的效果。然而，對(duì)于航空發(fā)動(dòng)機(jī)的故障診斷，現(xiàn)有的研究成果基

8、本上都是基于簡(jiǎn)單遺傳算法，并沒(méi)有將更多的關(guān)注點(diǎn)放在遺傳算法的性能改進(jìn)方面，這將大大地降低了遺傳算法在航空發(fā)動(dòng)機(jī)智能診斷的應(yīng)用效果及效率。,,,,國(guó)內(nèi)外研究現(xiàn)狀分析-----遺傳算法在故障特征選擇中的應(yīng)用,,,,,,,,,*,從原始特征中選出一些最有效特征，在保證分類準(zhǔn)確率的同時(shí)以降低數(shù)據(jù)集維度的過(guò)程，是提高學(xué)習(xí)算法性能的一個(gè)重要手段，也是模式識(shí)別中關(guān)鍵的數(shù)據(jù)預(yù)處理步驟。,,,特征選擇,,特征選擇方法,Filter（過(guò)濾）法：利用單獨(dú)的可

9、分性準(zhǔn)則來(lái)選擇特征?？煞中詼?zhǔn)則：距離準(zhǔn)則、相關(guān)性準(zhǔn)則、信息熵準(zhǔn)則等優(yōu)點(diǎn)：速度較快缺點(diǎn)：普適性較差，分類精度較低,Filter（過(guò)濾）法+ Wrap（包裹）法組合：先采用Filter（過(guò)濾）法進(jìn)行特征選擇，然后將得到的特征子集再用wrap（包裹）法進(jìn)行特征選擇。優(yōu)點(diǎn)：比Wrap法所花的時(shí)間少，比Filter法的分類精度高缺點(diǎn)：耗時(shí)比Filter法大，分類精度比Wrap法低,Wrap（包裹）法：利用分類器進(jìn)行特征選擇分類器：支持

10、 向量機(jī)、神經(jīng)網(wǎng)絡(luò)等優(yōu)點(diǎn)：特征選擇精度較高缺點(diǎn)：耗時(shí)大,小結(jié)：當(dāng)前基本都采用這三種方法進(jìn)行特征選擇，并取得一定的成果。特別是Filter（過(guò)濾）法，由于它的速度快，被廣泛使用。然而，在航空發(fā)動(dòng)機(jī)故障特征選擇的研究中，針對(duì)Filter（過(guò)濾）法，如何設(shè)計(jì)有效的評(píng)價(jià)準(zhǔn)則選出最優(yōu)特征子集，提高分類精確度，仍然需要進(jìn)一步研究。,,,,國(guó)內(nèi)外研究現(xiàn)狀分析-----遺傳算法在SVM參數(shù)優(yōu)化中的應(yīng)用,,,,,,,,,*,,,支持向量機(jī)（SVM）,

11、,支持向量機(jī)建立在統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小的基礎(chǔ)上，在理論上充分保證了模型的泛化能力，目前被廣泛用于模式識(shí)別的分類器設(shè)計(jì)中。用于分類器的支持向量機(jī)模型有許多參數(shù)要進(jìn)行優(yōu)化參數(shù)對(duì)模型的分類精度具有很大影響目前參數(shù)尚無(wú)統(tǒng)一選擇標(biāo)準(zhǔn),根據(jù)經(jīng)驗(yàn)和有限的實(shí)驗(yàn)給定參數(shù)值網(wǎng)格算法三步搜索技術(shù)智能計(jì)算方法（如：遺傳算法、蟻群算法）……,,,參數(shù)選擇方法,,當(dāng)前研究成果，采用遺傳算法進(jìn)行SVM參數(shù)優(yōu)化，是在給定的區(qū)間內(nèi)優(yōu)化選取，但這個(gè)參數(shù)

12、區(qū)間在算法的運(yùn)行過(guò)程中是固定不變,,參數(shù)問(wèn)題,,,,國(guó)內(nèi)外研究現(xiàn)狀分析-----遺傳算法在SVM參數(shù)優(yōu)化中的應(yīng)用,,,,,,,,,*,,三步搜索技術(shù),1、在兩因素構(gòu)成的二維平面中，找到中心點(diǎn)，以及它周圍的 8 個(gè)點(diǎn)。以準(zhǔn)確率為準(zhǔn)則做搜索，選擇其中的某一個(gè)點(diǎn)作為新的中心點(diǎn)。2、將步長(zhǎng)減小一半，計(jì)算新的中心點(diǎn)周圍的 8 個(gè)點(diǎn)并進(jìn)行比較，選擇準(zhǔn)確率最大的點(diǎn)作為新的中心點(diǎn)。3、重復(fù) 2 的計(jì)算，直到步長(zhǎng)小于一個(gè)單位。4、如果學(xué)習(xí)精度沒(méi)達(dá)到

13、所需要求，則繼續(xù)尋找，達(dá)到了，則作為選擇的參數(shù)對(duì)。,優(yōu)點(diǎn)：在保證準(zhǔn)確率不變的情況下，三步搜索法比完全搜索更加高效。缺點(diǎn)：由于參數(shù)是在某個(gè)區(qū)間上進(jìn)行搜索，最終得到的參數(shù)值，其所獲得的準(zhǔn)確率不一定是在(-∞,+∞)上的最優(yōu)解。,,網(wǎng)格算法,給定各參數(shù)的區(qū)間 ，定義一個(gè)步長(zhǎng)在區(qū)間內(nèi)窮盡搜索逐個(gè)試驗(yàn) ，找到使得算法在學(xué)習(xí)對(duì)象上性能最好的參數(shù) 。,缺點(diǎn)：參數(shù)的尋優(yōu)不是并行的進(jìn)行 ,導(dǎo)致得到的單個(gè)最優(yōu)參數(shù)組合在一起不是最優(yōu)的 ,計(jì)算量大。,,,,

14、國(guó)內(nèi)外研究現(xiàn)狀分析-----遺傳算法在規(guī)則提取中的應(yīng)用,,,,,,,,,*,模糊控制+GA穩(wěn)態(tài)遺傳算法免疫原理+GA,,基于GA的規(guī)則提取方法,,當(dāng)前研究成果，基于遺傳算法的規(guī)則提取方法，對(duì)于得到的規(guī)則可能會(huì)有冗余規(guī)則或規(guī)則中含有冗余信息，如何獲得提取出簡(jiǎn)單、可靠、易于理解的規(guī)則，仍然需要進(jìn)一步研究。,決策形式背景+GA粗糙集+遺傳算法并行GA ……,Pal等提出了基于自組織遺傳算法的模糊邏輯控制器規(guī)則生成方法，使用遺傳算法

15、搜索最優(yōu)的規(guī)則，并且是一個(gè)自組織的過(guò)程，不需要專家知識(shí)或明確的訓(xùn)練數(shù)據(jù)，適應(yīng)度函數(shù)簡(jiǎn)單，在保證精確率的同時(shí)，實(shí)現(xiàn)以花費(fèi)盡可能少的時(shí)間得到最優(yōu)規(guī)則集。該方法采用三個(gè)階段進(jìn)行尋找最優(yōu)規(guī)則集。Shibuchi等采用單目標(biāo)和雙目標(biāo)遺傳算法進(jìn)行語(yǔ)言規(guī)則提取。Mansoori等提出穩(wěn)態(tài)遺傳算法進(jìn)行模糊分類規(guī)則提取。倪世宏等將免疫原理引入遺傳算法，實(shí)現(xiàn)了飛行狀態(tài)分類規(guī)則的自動(dòng)獲取。王文平等提出了將并行遺傳算法應(yīng)用于關(guān)聯(lián)規(guī)則的提取李金海等在決

16、策形式背景中提出了決策規(guī)則支持元與支持度的概念，并通過(guò)它們給出了協(xié)調(diào)集和約簡(jiǎn)的等價(jià)判定定理，在此基礎(chǔ)上提出了一種基于遺傳算法的決策形式背景的屬性約簡(jiǎn)方法。并分析基于遺傳算法的約簡(jiǎn)方法和現(xiàn)有的啟發(fā)式約簡(jiǎn)算法的互補(bǔ)性。時(shí)文剛等針對(duì)粗糙集應(yīng)用于故障診斷過(guò)程中存在的決策表屬性連續(xù)值離散化和屬性約簡(jiǎn)之間分離的問(wèn)題，根據(jù)粗糙集的約簡(jiǎn)思想，研究了一種新的基于遺傳算法的規(guī)則自動(dòng)提取方法,,,,,國(guó)內(nèi)外研究現(xiàn)狀分析-----小結(jié),,,,,,,,,*,,

17、1）目前基本上是采用簡(jiǎn)單遺傳算法進(jìn)行航空發(fā)動(dòng)機(jī)故障特征選擇和規(guī)則提取，沒(méi)有將更多的關(guān)注點(diǎn)也放在遺傳算法的性能改進(jìn)方面，這將大大地降低了遺傳算法在航空發(fā)動(dòng)機(jī)智能診斷的應(yīng)用效果及效率。,,2）由于Filter （過(guò)濾）法的特征選擇結(jié)果不是以分類準(zhǔn)確率作為評(píng)價(jià)準(zhǔn)則，就有可能會(huì)出現(xiàn)最終搜索到的特征子集的分類準(zhǔn)確率不是最高的，也就是說(shuō)結(jié)果的可靠性不能完全保證。而當(dāng)前關(guān)于航空發(fā)動(dòng)機(jī)故障特征選擇采用的方法，沒(méi)有充分考慮到這個(gè)問(wèn)題且當(dāng)前的研究大部分是基

18、于單個(gè)評(píng)價(jià)準(zhǔn)則。因此，可以結(jié)合機(jī)器學(xué)習(xí)技術(shù)，設(shè)計(jì)多判據(jù)融合的評(píng)價(jià)準(zhǔn)則，使算法有效獲得結(jié)果的同時(shí)，還要提高其作為最優(yōu)特征子集的可靠性。,3）目前的基于遺傳算法的支持向量機(jī)分類器參數(shù)優(yōu)化，對(duì)于參數(shù)的取值范圍在算法的運(yùn)行過(guò)程中都是固定不變。然而，參數(shù)的初始取值范圍的選擇就非常重要。參數(shù)的正確值與給定的初始取值范圍之間存在兩種情況：第一，正確值包含在給定的初始取值范圍內(nèi)；第二，正確值不包含在給定的初始取值范圍內(nèi)。當(dāng)出現(xiàn)第二種情況，就會(huì)對(duì)支持向量

19、機(jī)的分類精度產(chǎn)生很大的影響。,4）基于遺傳算法的規(guī)則提取方法，對(duì)于得到的規(guī)則可能會(huì)有冗余規(guī)則或規(guī)則中含有冗余信息，如何提取出簡(jiǎn)單、可靠、易于理解的規(guī)則，仍然需要進(jìn)一步研究。,,,,,研究方案-----研究目標(biāo),,,,,,,,,*,,,,目標(biāo)1：結(jié)合機(jī)器學(xué)習(xí)技術(shù)，提出改進(jìn)遺傳算法，實(shí)現(xiàn)提高航空發(fā)動(dòng)機(jī)故障智能診斷的準(zhǔn)確率。,,目標(biāo)2：研究智能診斷領(lǐng)域應(yīng)用中的最佳特征子集選擇、診斷知識(shí)規(guī)則的自動(dòng)提取等關(guān)鍵技術(shù)，并結(jié)合改進(jìn)的遺傳算法，實(shí)現(xiàn)結(jié)果可

20、靠性和運(yùn)行效率的提高。,,,,研究方案-----研究?jī)?nèi)容,,,,,,,,,*,,進(jìn)化的搜索過(guò)程由適應(yīng)值引導(dǎo),,解的精度較低,搜索速度緩慢,,引導(dǎo)力不足,沒(méi)有充分挖掘和利用算法迭代過(guò)程中累積數(shù)據(jù)的隱藏信息,1,結(jié)合機(jī)器學(xué)習(xí)技術(shù)，改進(jìn)用于特征選擇的遺傳算法，同時(shí)研究特征選擇結(jié)果的可靠性和穩(wěn)定性,,,,研究方案-----研究?jī)?nèi)容,,,,,,,,,*,GA：在加快算法搜索速度的同時(shí)避免早熟,特征選擇：結(jié)果的可靠性和穩(wěn)定性,+,研究目的,解決途徑

21、,研究方案,運(yùn)用機(jī)器學(xué)習(xí)技術(shù)提供有用的信息指導(dǎo)進(jìn)化,設(shè)計(jì)多判據(jù)融合的評(píng)價(jià)準(zhǔn)則,航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障樣本數(shù)據(jù)集,采用機(jī)器學(xué)習(xí)技術(shù)（如ReliefF）,獲得各個(gè)特征權(quán)值,指導(dǎo),種群初始化算子設(shè)計(jì),找到,最優(yōu)特征子集,,判據(jù)1,判據(jù)2,判據(jù)n,…,,評(píng)價(jià),,,,,,提高特征子集作為最佳子集的可靠性,,,,研究方案-----研究?jī)?nèi)容,,,,,,,,,*,2,基于遺傳算法的支持向量機(jī)（SVM）參數(shù)域的自適應(yīng)調(diào)整及優(yōu)化,參數(shù)的初始取值范圍與真實(shí)

22、值的兩種關(guān)系：,,,,真實(shí)值包含在給定的初始取值范圍內(nèi),,,,,真實(shí)值不包含在給定的初始取值范圍內(nèi),,如果沒(méi)有在搜索的過(guò)程中調(diào)整參數(shù)域，則最終搜索到的解只能是次優(yōu)解。,當(dāng)前基于遺傳算法進(jìn)行支持向量機(jī)的參數(shù)優(yōu)化基本上是：在整個(gè)搜索過(guò)程中，參數(shù)取值范圍都是不變的。,,,,研究方案-----研究?jī)?nèi)容,,,,,,,,,*,在GA的搜索過(guò)程中，參數(shù)的取值范圍自適應(yīng)調(diào)整,研究目的,解決途徑,研究方案,采用多群體GA,運(yùn)用機(jī)器學(xué)習(xí)技術(shù)預(yù)測(cè)搜索區(qū)域的收

23、窄或擴(kuò)大,,,,,標(biāo)準(zhǔn)測(cè)試函數(shù),,,,各個(gè)參數(shù)的最優(yōu)解,各個(gè)參數(shù)的真實(shí)值,對(duì)比,驗(yàn)證算法有效性,,,,支持向量機(jī)（SVM）和核函數(shù)參數(shù)優(yōu)化,,航空發(fā)動(dòng)機(jī)故障診斷,應(yīng)用,進(jìn)一步推廣到其他應(yīng)用,,多群體,懲罰因子C、徑向基核函數(shù)寬度,+,,,,研究方案-----研究?jī)?nèi)容,,,,,,,,,*,3,基于正交設(shè)計(jì)的遺傳算法變量區(qū)間組合優(yōu)化技術(shù)研究及應(yīng)用,原因：適應(yīng)度函數(shù)全部或部分變量的不同取值組合得到的適應(yīng)值非常接近結(jié)果：可能導(dǎo)致搜索不到全局最

24、優(yōu)解或進(jìn)化緩慢。,例如：基于顯微磨粒圖像處理的磨損故障診斷系統(tǒng)中，圖像質(zhì)量是保證磨粒分析的關(guān)鍵。 而磨粒顯微圖像的成像質(zhì)量與攝像機(jī)參數(shù)、光源參數(shù)有非常大的關(guān)系，就需要對(duì)影響圖像成像質(zhì)量的因素（主要為光源強(qiáng)度和攝像機(jī)參數(shù)）進(jìn)行參數(shù)優(yōu)化。,,,,研究方案-----研究?jī)?nèi)容,,,,,,,,,*,設(shè)計(jì)變量取值區(qū)間優(yōu)化組合，引導(dǎo)算法跳出平坦區(qū)域，找到全局最優(yōu)解,研究目的,解決途徑,研究方案,采用正交設(shè)計(jì)法,運(yùn)用統(tǒng)計(jì)分析方法挖掘和利用已找到的解的信

25、息,,,,+,,,顯微成像系統(tǒng),要優(yōu)化的參數(shù),,,,對(duì)比,,,,,研究方案-----研究?jī)?nèi)容,,,,,,,,,*,4,基于遺傳算法的規(guī)則提取技術(shù)研究,提取出簡(jiǎn)單、可靠、易于理解的規(guī)則,研究目的,解決途徑,研究方案,與其他技術(shù)結(jié)合（如粗糙集等）,改進(jìn)的遺傳算法,,,+,,UCI標(biāo)準(zhǔn)數(shù)據(jù)集,,,規(guī)則,Weka軟件得到的規(guī)則,對(duì)比,驗(yàn)證算法有效性,,,應(yīng)用,,基于改進(jìn)遺傳算法的規(guī)則提取,,,,,,研究基礎(chǔ)----研究工作積累和已取得的研究工作

26、成績(jī),,,,,,,,,*,,,,①關(guān)于基于遺傳算法特征選擇方面的研究已經(jīng)進(jìn)行了一定研究，提出了一種用于特征選擇的多準(zhǔn)則融合差分遺傳算法,已經(jīng)寫(xiě)了一篇論文“特征選擇的多準(zhǔn)則融合差分遺傳算法及其應(yīng)用”，投稿到了《航空學(xué)報(bào)》，正在根據(jù)外審意見(jiàn)進(jìn)行修改。,,,,②碩士階段一直從事遺傳算法的研究工作，師從國(guó)內(nèi)外計(jì)算智能領(lǐng)域知名學(xué)者張軍教授，進(jìn)行了“降維式自主遷移并行遺傳算法”的研究工作。對(duì)于完成本課題研究提供了堅(jiān)實(shí)的理論基礎(chǔ),,,,③完成了課程學(xué)

27、習(xí)，對(duì)航空發(fā)動(dòng)機(jī)檢測(cè)與診斷技術(shù)有了深刻認(rèn)識(shí)和理解，對(duì)于完成本課題提供了工程應(yīng)用基礎(chǔ)。,,,,研究基礎(chǔ)----現(xiàn)有的基礎(chǔ)和已具備的實(shí)驗(yàn)條件,,,,,,,,,*,目前已經(jīng)具備多個(gè)可以進(jìn)行滾動(dòng)軸承模擬試驗(yàn)的試驗(yàn)器，滾動(dòng)軸承的故障模擬方法是通過(guò)在;滾道或滾動(dòng)體上用電火花加工缺陷的方法來(lái)實(shí)現(xiàn)。該設(shè)備可以為本課題進(jìn)行滾動(dòng)軸承故障預(yù)測(cè)、特征選擇、規(guī)則提取等研究提供條件。,,,,（1）具備了多個(gè)航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障模擬試驗(yàn)器,,,,研究基礎(chǔ)----現(xiàn)

28、有的基礎(chǔ)和已具備的實(shí)驗(yàn)條件,,,,,,,,,*,實(shí)驗(yàn)平臺(tái)為洛陽(yáng)軸承研究所有限公司設(shè)計(jì)開(kāi)發(fā)的航空軸承失效監(jiān)控試驗(yàn)系統(tǒng)。用該試驗(yàn)器可以得到滾動(dòng)軸承整個(gè)失效過(guò)程的振動(dòng)信號(hào)，從中提取多維特征。該設(shè)備可以為本課題利用遺傳算法進(jìn)行滾動(dòng)軸承故障預(yù)測(cè)（特征選擇和狀態(tài)評(píng)估）研究提供條件。,,（2）具備了航空軸承失效監(jiān)控試驗(yàn)系統(tǒng),（3）具備了多功能智能磨粒檢測(cè)與診斷系統(tǒng)MIDCS 1.0,是南京航空航天大學(xué)與空軍裝備研究院航空裝備研究所（原空軍第一研究所）

29、聯(lián)合開(kāi)發(fā)的針對(duì)軍用航空發(fā)動(dòng)機(jī)滑 油、液壓油以及燃油內(nèi)磨粒的檢測(cè)與分析系統(tǒng)。該設(shè)備可以為本課題研究提供特征選擇、攝像機(jī)參數(shù)自動(dòng)調(diào)整、磨粒識(shí)別規(guī)則研究等。,,,,研究基礎(chǔ)----研究工作積累和已取得的研究工作成績(jī),,,,,,,,,*,,,,①關(guān)于基于遺傳算法特征選擇方面的研究已經(jīng)進(jìn)行了一定研究，提出了一種用于特征選擇的多準(zhǔn)則融合差分遺傳算法,,,仿真數(shù)據(jù)實(shí)驗(yàn),為了測(cè)試算法的尋優(yōu)能力，作了如下仿真試驗(yàn)。樣本數(shù)共281個(gè)，三類樣本組成，這三類的

30、樣本數(shù)分別為93，108和80，特征維數(shù)為20，其中特征1和特征2是有效的分類特征，特征3至特征20的取值為0到1之間的隨機(jī)數(shù)，對(duì)分類基本不起任何作用?？梢?jiàn)，遺傳優(yōu)化的目標(biāo)是得到最優(yōu)特征組合11000000000000000000。,,,,,研究基礎(chǔ)----研究工作積累和已取得的研究工作成績(jī),,,,,,,,,*,,,,研究基礎(chǔ)----研究工作積累和已取得的研究工作成績(jī),,,,,,,,,*,,,滾動(dòng)軸承故障特征選擇,采用沈陽(yáng)發(fā)動(dòng)機(jī)設(shè)計(jì)研

31、究所研制的帶機(jī)匣的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子試驗(yàn)器進(jìn)行故障模擬實(shí)驗(yàn)，分別在試驗(yàn)器垂直上方和水平方向布置加速度傳感器，獲取機(jī)匣的振動(dòng)加速度信號(hào)，振動(dòng)信號(hào)通過(guò)NI USB9234 數(shù)據(jù)采集器進(jìn)行采集，加速度傳感器信號(hào)為B&K 4805，采樣頻率為10.24 kHz，實(shí)驗(yàn)的對(duì)象為6206型滾動(dòng)軸承。13個(gè)無(wú)量綱特征量的符號(hào)定義為：歪度S1、波型因數(shù)S2、沖擊指標(biāo)S3、峰值指標(biāo)S4、峭度S5、裕度指標(biāo)S6、重心頻率S7、均方頻率S8、頻率方差S9

32、、內(nèi)圈頻率包絡(luò)譜特征量S10、外圈頻率包絡(luò)譜特征量S11、滾動(dòng)體頻率包絡(luò)譜特征量S12、及保持架頻率包絡(luò)譜特征量S13。,,,,,研究基礎(chǔ)----研究工作積累和已取得的研究工作成績(jī),,,,,,,,,*,RDEGA找到的特征子集所對(duì)應(yīng)的分類準(zhǔn)確率要優(yōu)于另外三種算法，除了數(shù)據(jù)集“所有轉(zhuǎn)速CH測(cè)點(diǎn)”比最高分類準(zhǔn)確率低1.21%，其余的數(shù)據(jù)集，RDEGA的分類準(zhǔn)確率都優(yōu)于或等于其他的算法（6個(gè)優(yōu)于，3個(gè)等于）。并且，個(gè)別數(shù)據(jù)集是以相同的特征組合

33、得到更高的分類準(zhǔn)確率。,,,,研究計(jì)劃及進(jìn)度,,,,,,,,,*,2014年9月—2015年3月 閱讀文獻(xiàn)，制定詳細(xì)研究計(jì)劃2015年4月—2015年7月 遺傳算法的改進(jìn)2015年8月—2015年12月 用于特征選擇的遺傳算法研究及工程應(yīng)用2016年1月—2016年4 月 基于正交設(shè)計(jì)的遺傳算法變量區(qū)間組合優(yōu)化技術(shù)研究及應(yīng)用2016年5月—2016年8月 遺傳算法的

34、參數(shù)范圍自適應(yīng)調(diào)整研究2016年8月—2016年12月 遺傳算法規(guī)則提取研究2017年1月— 2017年6月 論文撰寫(xiě),,,,預(yù)期研究成果,,,,,,,,,*,針對(duì)航空發(fā)動(dòng)機(jī)智能診斷中的特征選擇問(wèn)題。改進(jìn)現(xiàn)有遺傳算法，提高特征選擇的精度和效率，并應(yīng)用于多功能智能磨粒檢測(cè)系統(tǒng)的磨粒參數(shù)特征選擇和滾動(dòng)軸承多維振動(dòng)特征的選擇等工程應(yīng)用；基于正交設(shè)計(jì)的遺傳算法變量區(qū)間組合優(yōu)化技術(shù)研究及應(yīng)用，并應(yīng)用于多功能智能磨粒檢測(cè)