[发明专利]基于遗传算法的柴油机故障诊断中监测参数优化选取方法

权利要求书

1.基于遗传算法的柴油机故障诊断中监测参数优化选取方法，其特征在于，所述选取方法包括以下步骤：

步骤一、利用专家系统获得柴油机系统中，故障与异常监测参数之间的因果关系，并表示为故障特征矩阵的形式；

步骤二、利用条件熵筛选出实现故障区分所必需的监测参数，然后计算剩余监测参数的属性重要度；

步骤三、用二进制编码方式对个体进行编码；

步骤四、根据优化目标的要求，结合条件熵与属性重要度，构建适应度函数；

步骤五、设计选择、交叉、变异三个遗传算子，实现遗传算法的寻优计算，

在步骤四中，具体的，根据优化目标：监测参数数目最少和不影响故障的区分能力，结合条件熵和属性重要度，构建遗传算法的适应度函数：

记适应度函数的两个算子为函数f₁,f₂，即在函数f₁中，x为种群中的一个个体；card(x)表示个体x中基因位取1的基因个数，即被选中的监测对个数；k表示个体中的全部基因个数，即全部候选监测参数的个数，从该表达式可以看出，当被选中的监测参数数目较少时，f₁的函数值就越大，

在函数f₂中，H(x)表示在个体为x的情况下，故障集F相对于监测参数子集S^x的条件熵，即H(x)＝H(F|S^x)，其中S^x表示个体x中被选中的监测的组合；H₀表示故障集F相对于传感器全集S的条件熵，即H₀＝H(F|S)，

α和β分别为函数f₁和函数f₂的系数。

2.根据权利要求1所述的基于遗传算法的柴油机故障诊断中监测参数优化选取方法，其特征在于，在步骤一中，具体的，设一个柴油机系统为∑＝{S,F}，其中F＝{f₁,…f_n}表示柴油机系统可能出现的n种故障，S＝{s₁,…,s_k}表示可监测的k项运行参数，利用专家系统获得柴油机系统中，故障与异常监测参数之间的因果关系，并表示为故障特征矩阵R(∑)＝(r_ij)_n×k的形式，故障特征用三元集合{+1,0,-1}来描述，即

故障特征矩阵的形式如下：

在故障特征矩阵R(∑)中，行表示柴油机可能出现的n种故障，列表示柴油机的可监测到的k项运行参数，矩阵中的元素r_ij有三种可能的取值{+1,0,-1}，分别表示当故障f_i发生时，柴油机的运行参数s_j是否出现相应的异常变化及其形式，当r_ij＝0时，表示故障f_i不会引起s_j的变化，即故障f_i与参数s_j间不存在因果关系；当r_ij＝+1和r_ij＝-1时，分别表示发生故障f_i时，运行参数s_j相比于正常数据的增大和减小。

3.根据权利要求1所述的基于遗传算法的柴油机故障诊断中监测参数优化选取方法，其特征在于，在步骤二中，计算故障集F相对于监测参数全集S的条件熵H(F|S)，然后通过计算故障集F相对于单个监测参数构成的子集{s_t}的条件熵H(F|{s_t})，从而筛选出实现故障区分的必需的监测参数，接着计算剩余监测参数的属性重要度SGF(s_i,S',F)，用于指导遗传算法的搜索过程。