基于PSO聚类和特征贡献度的油液监测信息特征选择方法.pdf

《基于PSO聚类和特征贡献度的油液监测信息特征选择方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2016年1月润滑与密封Jan．2016第41卷第1期LUBRICATIONENGINEERINGVo1．4lNo．1DOI：10．3969／j．issn．0254—0150．2016．01．016基于PSO聚类和特征贡献度的油液监测信息特征选择方法石新发刘东风周志才杨琨。(1．海军工程大学青岛油液检测分析中心山东青岛266012；2．武汉理工大学能源与动力工程学院湖北武汉430063)摘要：特征选择是实现油液监测多技术手段综合应用的关键问题之一。针对油液监测信息特点，提出一种油液监测信息特征选择方法。该方法首先采用K均值PSO聚类算法对样

2、本实施无监督聚类，实现样本的预先分类；然后采用定义的特征贡献度，计算各特征对聚类结果的贡献度，并以此作为特征选择的依据，实现无监督的过滤式特征选择。通过在某型柴油机润滑油原子发射光谱和红外光谱信息中的应用表明，该算法能够很好的实现油液监测信息的特征选择．减少特征指标数量，而且能够避免由于油液监测信息依存度和相关度高的特点而造成特征选择时可能会将重要信息删除的问题。关键词：机械装备；油液监测；特征选择；粒子群聚类；特征贡献度中图分类号：TH117．1文献标志码：A文章编号：0254—0150(2016)0卜086—04FeatureSelec

3、tion0foilMonitoringInformationBasedonPS0ClusteringandFeatureContributionSHIXinfaLIUDongfeng。ZHOUZhicaiYANGKun(1．QingdaoOilMonitoringCenter，NavalUniversityofEngineering，QingdaoShandong266012，China；2．SchoolofEnergyandPowerEngineering，WuhanUniversityofTechnology，WuhanHubei430

4、063，China)Abstract：Featureselectionisoneofkey-issuesinsynthesisapplicationoftheoilmonitoringtechnologies．Accordingtothecharacteristicsofoilmonitoringinformation，Kmeanparticleswarmclusteringwasusedtorealizesamplesunsupervisedclustering．Thedefinedfeaturecontributiondegreewas

5、calculatedandusedasthebasisoffeatureselection，andtheunsu·pervisedfeatureselectionbasedfilterfortheoilmonitoringinformationwasrealized．Thealgorithmwasappliedintheinfor-mationofatomicemissionspectrumandFT-IRspectrumgainedfromonemarinediesel’Slubricant．Theresultindicatesthatt

6、heproposedalgorithmcanwellrealizesthefeatureselectionofoilmonitoringinformation，andreducethenumberoftheparameters，andavoidtheproblemthattheimportantinformationispossiblyprunedbecauseoftheexistenceofthecharacteristicsofhighrelevanceobjectiveinoilmonitoringinformation．Keywor

7、ds：machinery；oilmonitoring；featureselection；PSOclustering；featurecontribution随着油液监测技术在机械装备监测与故障诊断中余的能够表征装备状态和信息特性是十分重要的。的应用逐步深入，单一的监测技术手段获取的信息已信息特征选择本质上是一种指标组合优化问题，经难以满足应用需求，而基于多技术的油液监测手段通过辨识分离那些对状态识别无贡献或者贡献不大的可提供更多的装备状态信息，从而能够实现机械现装特征，并简单地忽略多余或者不相干的特征，在原有备状态更为准确的判断]。然而，由于

8、油液监测自身的特征集上选择代表性的新特征组成子集。在特征选特点．在多手段的监测信息中必然包含了大量的无关择中很多文献采用了相关度的思想来选择特征，比如信息和冗余信息，增加了信息应