針對量子遺傳偏最小二乘法在特征選擇過程中,存在初始化種群粗糙和適應度函數復雜等問題,提出了一種新的特征選擇方法——改進的量子遺傳偏最小二乘法（Improved Quantum Genetic Algorithm Partial Least Square,IQGAPLS）算法。該算法根據求解問題的實際情況,賦予種群初始值。同時,設計了一種新的適應度函數,以減少計算量,并基于此適應度函數,提出了一種新的旋轉角度更新公式,解決了其方向和大小確定困難的問題。將該算法應用于軸向柱塞泵故障信號的特征選擇中。實驗結果表明,IQGAPLS算法具有較少的計算量和較短的執(zhí)行時間,選擇出的特征包含更多的工作狀態(tài)信息,從而提高了分類準確率。 

【文章來源】：計算機工程與應用. 2017,53(03)北大核心CSCD

【文章頁數】：6 頁

【部分圖文】：

所示。采樣頻率是4kHz，對每個工作狀態(tài)分圖1軸向柱塞泵實驗系統(tǒng)簡圖

門進行參數更新。（4）算法結束。返回步驟（2）迭代計算，直到滿足收斂條件fitness≥0.9750或達到規(guī)定的迭代次數。同時，將最優(yōu)解集合輸出。4實例應用將IQGAPLS算法應用于軸向柱塞泵故障信號的特征選擇中，并與QGAPLS算法相比，驗證算法的有效性和實用性。軸向柱塞泵型號為25MCY14-1B，振動傳感器型號為CA-YD-185，分別安裝在進油口管道、出油口管道和殼體上，實驗負載設定為15MPa。圖1為實驗系統(tǒng)簡圖。分別采集軸向柱塞泵的三種工作狀態(tài)：正常狀態(tài)、缸體與配流盤磨損和柱塞滑履松動的振動信號，其時域圖如圖2所示。采樣頻率是4kHz，對每個工作狀態(tài)分別采集了50個樣本數據，其中，30個訓練樣本，20個測試樣本。本文中特征提取的主要步驟為：（1）對振動信號進行3層小波包分解，得到8個小波包分解系數；（2）對原始信號和8個小波包分解系數分別提取這10個統(tǒng)計特征，共得到90個特征；（3）這90個特征作為原始特征集，為下一步特征的優(yōu)化選擇做準備。其中，統(tǒng)計特征由峰峰值、均方值、方差、方根幅值、均方幅值、峭度、波形指標、峰值指標、脈沖指標、邊界指標等10個組成。本文以缸體與配流盤磨損工作狀態(tài)為例，表1列出了經過特征提取后的原始特征集。其中第一列為原始信號的特征，第二到第九列為小波包（3，0）~（3，7）的特征。通過對表1的觀察，發(fā)現存在大量的冗余和無關特征，以波形指標和峰值指標為例，冗余特征較多，可以保留小部分來表征。而脈沖指標和邊界指標中有無關特征，應該剔除。因此，采用IQGAPLS和QGAPLS算法進行特征選監(jiān)測單元振動傳感器3振動傳感器2振動傳感器1軸向柱塞泵電動機負載油箱圖1軸向柱塞泵實驗系統(tǒng)簡圖244

【參考文獻】：
期刊論文
[1]基于混合蛙跳的量子遺傳算法[J]. 董玉民,趙莉.  計算機工程與設計. 2014(11)
[2]量子遺傳算法在多元函數優(yōu)化上的應用[J]. 梅曉娟,徐余法,蘇強強,戴志軍.  上海電機學院學報. 2014(02)
[3]量子GA-PLS特征選擇算法及其應用[J]. 李勝,張培林,李兵,周云川.  量子電子學報. 2014(02)
[4]運用改進的量子遺傳算法進行結構損傷識別[J]. 張瑞剛,郭利,王天輝,李永軍.  噪聲與振動控制. 2013(03)
[5]一種改進的量子遺傳算法及其應用[J]. 楊樹欣,詹寧波,田林懷.  計算機工程. 2013(05)
[6]一種改進的量子旋轉門量子遺傳算法[J]. 張小鋒,睢貴芳,鄭冉,李志農,楊國為.  計算機工程. 2013(04)
[7]改進的量子遺傳算法在冷連軋機負荷分配中的應用研究[J]. 姜萬錄,張生.  燕山大學學報. 2013(01)
[8]改進的量子遺傳算法及其在測試數據生成中的應用[J]. 周綺,姜淑娟,趙雪峰.  計算機應用. 2012(02)
[9]基于量子門線路的量子神經網絡模型及算法[J]. 李盼池,宋考平,楊二龍.  控制與決策. 2012(01)
[10]一種基于相位比較的量子遺傳算法[J]. 李士勇,李浩.  系統(tǒng)工程與電子技術. 2010(10)



本文編號：3585483