[发明专利]一种旋转机械故障数据集属性权重的确定及评价方法

权利要求书

1.一种旋转机械故障数据集属性权重的确定方法，其特征在于，包括如下步骤：

1)采集旋转机械滚动轴承和齿轮箱的振动信号；

2)计算5个无量纲指标；

3)按各无量纲指标取值，对故障数据集进行离散化处理；

4)计算各无量纲指标对所有多属性组合的边际重要度累积；

5)对边际重要度累积进行归一化处理，得到5个无量纲指标的属性权重。

2.根据权利要求1所述的旋转机械故障数据集属性权重的确定方法，其特征在于，所述步骤1)具体步骤如下：利用数据采集器采集旋转机械滚动轴承和齿轮箱包含的故障振动信号。

3.根据权利要求1所述的旋转机械故障数据集属性权重的确定方法，其特征在于，所述步骤2)具体步骤如下：

波形指标：

峰值指标：

脉冲指标：

裕度指标：

峭度指标：

式中，X_rms为信号的均方根值，为信号的平均幅值，X_max为信号的最大值，X_r为信号的方根幅值，β为峭度，N表示构成样本的信号采样点个数，X_i表示振动幅值，i表示采样点的下标索引。

4.根据权利要求1所述的旋转机械故障数据集属性权重的确定方法，其特征在于，所述步骤3)具体步骤如下：利用k-means聚类算法对各无量纲指标取值进行聚类，将无量纲指标的数据变为字符型。

5.根据权利要求1所述的旋转机械故障数据集属性权重的确定方法，其特征在于，所述步骤4)具体步骤如下：(1)按如下公式计算m个指标属性组合的边际重要度贡献；

式中，C表示条件属性集合，D表示决策属性，c_i表示C中第i个条件属性，i和j_l表示属性下表索引，1≤j_l≤n,l＝1,2,…,m-1，n表示条件属性集合C的元素个数，表示组合属性的属性重要度，m表示组合属性集合的元素个数。

(2)按如下公式计算边际重要度累积

6.根据权利要求5所述的旋转机械故障数据集属性权重的确定方法，其特征在于，所述步骤5)具体步骤如下：按如下公式对边际重要度累积进行归一化处理，得到5个无量纲指标的属性权重，

7.一种基于权利要求6所示的旋转机械故障数据集属性权重的评价方法，其特征在于，利用KNN算法对无量纲指标的属性权重进行评价，具体步骤如下：设X(x₁,x₂,x₃,x₄,x₅)和Y(y₁,y₂,y₃,y₄,y₅)为旋转机械故障数据集的两个样本，KNN算法采用的欧氏距离计算公式如下：

利用步骤5)得到的无量纲指标权重w(c_i)对两个样本点的加权距离公式如下：

分别采用L₂(X,Y)和两种距离作为KNN算法样本相似度，比较分类效果，若后者对应的KNN算法分类效果好，则说明用本发明的权重确定方法能够给出有效的无量纲指标权重，否则，说明本发明的权重确定方法不佳。