机械设计与制造2023，Vol.383Issue(1) ：26-29.

GA-CFS结合案例推理的轴承故障诊断

Bearing Fault Diagnosis Based on GA-CFS and Case-Based Reasoning

李长伟 雷文平 董辛旻 李永耀
机械设计与制造2023，Vol.383Issue(1) ：26-29.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

GA-CFS结合案例推理的轴承故障诊断

Bearing Fault Diagnosis Based on GA-CFS and Case-Based Reasoning

李长伟 1雷文平 1董辛旻 1李永耀2
扫码查看

作者信息

  • 1. 郑州大学机械工程学院振动工程研究所,河南 郑州 450001
  • 2. 郑州恩普特科技股份有限公司,河南 郑州 450001
  • 折叠

摘要

针对轴承故障诊断中知识难以获取的问题,提出了 一种GA-CFS(Genetic Algorithm and Correlation-Based Feature Selection,GA-CFS)结合案例推理的轴承故障诊断方法.利用案例推理技术(Case-Based Reasoning,CBR)建立轴承故障案例库进行故障诊断.又针对案例推理技术中案例检索时遇到的属性冗余问题,以及难以人工确定关键属性及其权重的问题,采取GA-CFS方法对属性集合进行筛选,初步确定特征子集,再根据遗传算法确定各个子集中的特征的权重,最后根据特征子集及其权重选取符合要求的最佳特征子集,再用该特征子集构建轴承故障案例库,并通过实验验证了该方法的可行性.

关键词

案例推理/GA-CFS/KNN/滚动轴承/属性优化/故障诊断

引用本文复制引用

基金项目

国家重点研发计划(2016YFF02031009)

出版年

2023
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量3
参考文献量4
段落导航相关论文