第5章基于改進(jìn)量子粒子群的粗糙集屬性約簡算法在故障診斷中的應(yīng)用(存儲版)
【正文】 相關(guān)的特征變量，而我們的目的是要找出一個包含所有相關(guān)的故障特征變量的最優(yōu)子集，因此需要讓采集數(shù)據(jù)的變量數(shù)目與二進(jìn)制粒子的編碼長度相等，每個系統(tǒng)變量分別由一個比特位來表示，當(dāng)該比特位取值為1時，表示其對應(yīng)的變量被選作為特征變量，若取0則表示對應(yīng)的特征變量沒有被選擇。這樣不但利用了下層4個種群的獨立搜索策略來保證尋優(yōu)過程可以在較大范圍進(jìn)行，又可以利用上層粒子群追逐當(dāng)前全局最優(yōu)點來保證算法的收斂性，兼顧了優(yōu)化過程的精度和效率，在優(yōu)化結(jié)果和收斂特性上均具有優(yōu)勢,有效地避免了收斂過程中早熟引起的陷入局部最優(yōu)。每個子種群中的粒子都按照各自種群中的規(guī)則進(jìn)行獨立的計算；另一方面，子種群之間能夠進(jìn)行信息的交流，每個粒子群中個體的速度更新，不僅應(yīng)受該子種群中所有粒子個體經(jīng)過的最好位置的影響，還受所有子種群中的最優(yōu)位置的影響。 (1)如果D和d足夠大，這將是一個非常驚人的數(shù)字，如果再運用各項指標(biāo)進(jìn)行相應(yīng)的運算來評價特征選擇方案的好壞，那么這將是一個計算量非常大的計算過程。最后將故障分類應(yīng)用于TennesseeEastman（TE）過程，并與主元分析法等實驗對比，結(jié)果表明，基于MQPSO的粗糙集屬性約簡算法應(yīng)用于故障診斷具有非常現(xiàn)實的意義，能夠最大程度上提高故障診斷的正確率。 Technical College, Lishui, 323000)Abstract：Considering the feature selection problem in fault diagnosis process, the author proposes a method based on Quantumbehaved Particle Swarm attribute reduction with Multiswarm algorithm. This method introduced a Multiswarm clustering strategy, using a twotier structure to realize bidirectional search, to ensure fast convergence to the minimum population reduction, to select feature variables which truly represent the characteristics of fault. Through the application of Tennessee Eastman39。關(guān)鍵詞: 特征選擇；屬性約簡；多種群量子粒子群算法；故障診斷 文獻(xiàn)標(biāo)識碼AApplications in fault diagnosis based on Quantumbehaved Particle Swarm rough set attribute reduction with Multiswarm algorithmSanbo Li(The School of Mechanical Electronic and Information Engineer, Lishui Vocational amp。本文提出一種多種群量子粒子群優(yōu)化(MQPSO)算法，該算法引入多種群分群的改進(jìn)策略，利用兩層結(jié)構(gòu)分別實現(xiàn)雙向搜索，保證群體進(jìn)化快速收斂于最小約簡，選出真正代表故障的特征變量；用支持向量機作為故障診斷的分類器，并將多種群量子粒子群的粗糙集屬性約簡算法用于解決故障特征選擇。在這兩個參數(shù)均已知的情況下，所有可能的組合數(shù)如式(1)所示。 基于多種群量子粒子群算法的屬性約簡多種群量子粒子群算法是在量子粒子群算法的基礎(chǔ)上對粒子群進(jìn)行多種群分群，可以擴大粒子的尋優(yōu)空間，各個子種群的粒子之間不但具有獨立性的一面，同時也具有合作性的一面。在該算法中，主要分為兩個層次，如圖1所示：下層的1號種群和2號種群，3號種群和4號種群分別為兩對搜索空間相同但是飛行方向相反的種群；上層的5號種群追隨全局最優(yōu)，6號種群
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1