论文部分内容阅读
机械设备退化特征作为预测模型的输入,其质量直接影响学习模型性能。正确反映退化进展的特征确保预测结果准确性。良好的退化特征集合应该表现出连续增加或减少的趋势,恶化趋势应该与时间存在相关性,同时对监测噪声、退化过程的随机性和操作环境的变化,具有鲁棒性。基于此论文利用遗传算法启发式搜索的特点提出了遗传算法和评价标准(单调性、趋势性、鲁棒性)结合的自动特征选择方法。该方法以评价标准的线性组合作为遗传算法的适应性函数,可以直接反映特征子集对机械退化过程的相关性,引导遗传算法的变异和搜索。通过实验对比表明该算法具有一