[发明专利]基于数据驱动量化特征多粒度的行星齿轮箱故障诊断方法

权利要求书

1.基于数据驱动量化特征多粒度的行星齿轮箱故障诊断方法，其特征在于该方法包括以下步骤：

步骤一、根据采集到的典型故障行星齿轮箱特征信号，提取故障诊断特征，建立不完备故障诊断信息系统；

步骤二、采用数据驱动量化特征关系对不完备故障诊断信息系统进行分析，计算所有实例间的特征相似度，获得满足数据驱动量化特征关系的特征集；

步骤三、利用基于悲观数据驱动量化特征多粒度模型的属性约简算法，提取故障诊断决策规则；

步骤四、根据故障诊断决策规则构建朴素贝叶斯分类器模型，推断待诊行星齿轮箱状态。

2.根据权利要求1所述的基于数据驱动量化特征多粒度的行星齿轮箱故障诊断方法，其特征在于所述步骤二中实例间的特征相似度定义如下：

对于不完备信息系统S＝(U,A＝C∪D,V,f)，U为实例集合，A为属性集，C为征兆属性集，D为决策属性集，V为A的值域，f为映射函数，令属性集对其中表示实例在属性b上所有互异的已知属性值，表示实例在属性b上的属性值为b_i的实例数，则在属性集B上的特征相似度VR_B(x,y)计算公式为：

VR_B(x,y)＝Π_b∈BR_b(x,y)·N_B(x,y)(1)

其中，N_B(x,y)表示实例x和y中丢失型属性值所占的比重，R_b(x,y)表示实例x和y在属性b上的特征相似度，|X|表示集合X的基数，且

其中，|X|表示集合X的基数。

如果b(x)和b(y)为不关心条件型未知属性值，则所述R_b(x,y)的计算公式如下：

如果b(x)和b(y)为已知属性值，当b(x)＝b(y)时，R_b(x,y)＝1；当b(x)≠b(y)时，R_b(x,y)＝0。

3.根据权利要求1所述的基于数据驱动量化特征多粒度的行星齿轮箱故障诊断方法，其特征在于所述步骤二中数据驱动量化特征关系的定义如下：

对于不完备信息系统S＝(U,A＝C∪D,V,f)，U为实例集合，A为属性集，C为征兆属性集，D为决策属性集，V为A的值域，f为映射函数，令属性集则数据驱动量化特征关系为：

VR(B)＝{(x,y)∈U×U|y∈K_B(x),VR_B(x,y)≥α}(4)

其中，α为阈值。若阈值α过大，则满足数据驱动量化特征关系的特征集中包含的实例过少；若阈值α过小，则满足数据驱动量化特征关系的特征集中包含的实例过多。为了避免上述情况的发生，将论域中所有实例与其它实例特征相似度最小值的平均值看作阈值，其计算公式为：

其中，min(VR_B(x))为实例x与论域中其它实例特征相似度的最小值。

4.根据权利要求1所述的基于数据驱动量化特征多粒度的行星齿轮箱故障诊断方法，其特征在于所述步骤三中悲观数据驱动量化特征多粒度模型的定义如下：

对于不完备信息系统S＝(U,A＝C∪D,V,f)，U为实例集合，A为属性集，C为征兆属性集，D为决策属性集，V为A的值域，f为映射函数，令B＝{B₁,B₂,...,B_m}是C的m个属性子集，定义X关于B的悲观数据驱动量化多粒度下近、上近似集分别记为

称为关于属性集B₁,B₂,...,B_m的悲观数据驱动量化多粒度模型。