申请/专利权人:陕西科技大学
申请日:2023-09-01
公开(公告)日:2024-04-09
公开(公告)号:CN117851898A
主分类号:G06F18/2411
分类号:G06F18/2411;G01M13/045;G06F18/213;G06F18/214
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种多粒度变尺度模糊邻域测度与相应的Choquet‑like积分及其故障诊断方法,第一步、提出多粒度变尺度模糊Θ‑覆盖近似空间:定义1.设U是一个论域,Θ={β1,…,βi,…,βn},其中βi∈0,1];如果是U的一个模糊βi‑覆盖,则被称为一个U上的多粒度变尺度模糊Θ‑覆盖;我们也称U,Ω为一个多粒度变尺度模糊Θ‑覆盖近似空间。该多粒度变尺度模糊邻域测度与相应的Choquet‑like积分及其故障诊断方法,通过导出需要的数据后,对每个采集的数据文件,以每500个数据点为一个示例,利用现有的特征提取方法,计算出所有的特征参量,作为备选特征。然后利用所提出的基于多粒度变尺度模糊邻域测度的Choquet‑like积分的约简方法约简后的数据信息如表3所示,实现滚动轴承的故障诊断。
主权项:1.一种多粒度变尺度模糊邻域测度与相应的Choquet-like积分及,其特征在于,包括以下步骤:第一步、提出多粒度变尺度模糊Θ-覆盖近似空间:定义1.设U是一个论域,Θ={β1,…,βi,…,βn},其中βi∈0,1];如果是U的一个模糊βi-覆盖,则被称为一个U上的多粒度变尺度模糊Θ-覆盖;我们也称U,Ω为一个多粒度变尺度模糊Θ-覆盖近似空间;第二步、提出多粒度变尺度模糊Θ-邻域:定义2.设U,Ω为一个多粒度变尺度模糊Θ-覆盖近似空间,其中和Θ={β1,…,βi,…,βn};对任意x∈U,我们定义x的多粒度变尺度模糊Θ-邻域为: 其中,为x在下的模糊βi-最小描述,IT为模糊逻辑算子t-模诱导的R-蕴含算子;第三步、提出上、下多粒度变尺度模糊邻域测度:定义3.设U,Ω为一个多粒度变尺度模糊Θ-覆盖近似空间,其中和Θ={β1,…,βi,…,βn};对任意我们分别定义X的上、下多粒度变尺度模糊邻域测度为: 第四步、提出基于上、下多粒度变尺度模糊邻域测度的Choquet-like积分:定义4.设U,Ω为一个多粒度变尺度模糊Θ-覆盖近似空间,T为t-模,A∈FU,其中U={x1,…,xn};则我们称Θ={β1,…,βi,…,βn}。对任意我们分别定义X的上、下多粒度变尺度模糊邻域测度为: 其中,{x1,x2,…,xn}是{x1,x2,…,xn}的排列,使得Ax1≤Ax2≤…≤Axn,Xi={xi,xi+1…,xn},第五步、基于上述内容,提出基于多粒度变尺度模糊邻域测度的Choquet-like积分的决策表属性约简新方法:输入:输入决策信息表T=U,A∪{d},如表1所示,其中U={x1,x2,…,xn},A={a1,a2,…,am},bij=ajxi,i∈{1,2,…,n},j∈{1,2,…,m}.表1决策信息表T=U,A∪{d} 输出:属性集A的属性约简特征选择;第六步、基于“属性约简+智能分类器”的故障诊断方法:输入:完备的故障诊断决策信息表;输出:故障诊断结果及决策。
全文数据:
权利要求:
百度查询: 陕西科技大学 一种多粒度变尺度模糊邻域测度与相应的Choquet-like积分及其故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。