特征选择的多准则融合差分遗传算法及其应用

doi:10.7527/S1000-6893.2016.0036

电子与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

特征选择的多准则融合差分遗传算法及其应用

关晓颖, 陈果, 林桐

南京航空航天大学民航学院, 南京 210016

收稿日期:2015-11-19 修回日期:2016-01-29 出版日期:2016-11-15 发布日期:2016-02-02
通讯作者: 陈果,男,博士,教授,博士生导师。主要研究方向:航空发动机智能诊断及专家系统,航空发动机整机振动与转子动力学、故障诊断。Tel.:025-84891850,E-mail:cgzyx@263.net E-mail:cgzyx@263.net
作者简介:关晓颖,女,博士研究生。主要研究方向:智能计算、遗传算法、模式识别及故障诊断。Tel.:025-84891850,E-mail:xiaoying_close@sina.com;陈果,男,博士,教授,博士生导师。主要研究方向:航空发动机智能诊断及专家系统,航空发动机整机振动与转子动力学、故障诊断。Tel.:025-84891850,E-mail:cgzyx@263.net;林桐,男,硕士研究生。主要研究方向:航空发动机状态检测与故障诊断技术。Tel.:025-84891850,E-mail:nuaa_lintong@163.com
基金资助:
国家自然科学基金（61179057）

Feature selection method based on differential evolution and genetic algorithm with multi-criteria evaluation and its applications

GUAN Xiaoying, CHEN Guo, LIN Tong

College of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China

Received:2015-11-19 Revised:2016-01-29 Online:2016-11-15 Published:2016-02-02
Supported by:
National Natural Science Foundation of China (61179057)

摘要/Abstract

摘要：

为了全面评价特征子集的好坏，提高特征子集作为最佳子集的可靠性，以及更快找到最佳子集，提出了一种用于特征选择的多准则融合差分遗传算法。引入多个评价准则对特征子集进行评价，并对遗传算法的选择算子进行改进，有利于选出适应度高且具有重要特征的个体；同时，引入差分策略改进变异算子，提高种群多样性和算法搜索能力；最后通过仿真实验和滚动轴承实例验证了该方法的有效性。

关键词: 特征选择, 多准则, 差分进化, 遗传算法, 滚动轴承, 故障诊断

Abstract:

In order to make a whole evaluation to the selected feature subset, which improves the reliability of the best subset and the speed of its searching, the paper presents a novel feature method based on differential evolution and genetic algorithm with multi-criteria evaluation. This algorithm is used to evaluate the feature subset by the multi-criteria evaluation. Meanwhile, the improved genetic operators were proposed, which improves the selection operator and the mutation operator. Designing the selection operator with a combination of feature weight values and fitness is beneficial to selecting the individuals which contain the high fitness and important features from the population. In addition, it introduces differential strategy to improve mutation operator, which improves the diversity of evolution population and searching efficiency. Finally, simulation example tests the validity of the proposed algorithm. The validity of the proposed method is also verified with rolling bearing fault diagnosis.

Key words: feature selection, multi-criteria, differential evolution, genetic algorithm, rolling bearing, fault diagnosis

中图分类号:

V263.6

关晓颖, 陈果, 林桐. 特征选择的多准则融合差分遗传算法及其应用[J]. 航空学报, 2016, 37(11): 3455-3465.

GUAN Xiaoying, CHEN Guo, LIN Tong. Feature selection method based on differential evolution and genetic algorithm with multi-criteria evaluation and its applications[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2016, 37(11): 3455-3465.

参考文献

[1] 张学工. 模式识别[M]. 3版. 北京:清华大学出版社, 2010:157. ZHANG X G. Pattern recognition[M]. 3rd ed. Beijing:Tsinghua University Press, 2010:157(in Chinese).
[2] AKRAM A, RAMI N, AHMED A A. Enhancing the diversity of genetic algorithm for improved feature selection[C]//2010 IEEE International Conference on Systems Man and Cybernetics (SMC). Piscataway, NJ:IEEE Press, 2011:1325-1331.
[3] MAJID M, NICOLAS H Y. On the use of the genetic algorithm filter-based feature selection technique for satellite precipitation estimation[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(5):963-967.
[4] CANUTO A M P, NASCIMENTO D S C. A genetic-based approach to features selection for ensembles using a hybrid and adaptive fitness function[C]//The 2012 International Joint Conference on IEEE Neural Networks (IJCNN). Piscataway, NJ:IEEE Press, 2012:1-8.
[5] 高鹏毅, 陈传波, 张葵, 等. 一种使用多Filter初始化GA种群的混合特征选择模型[J]. 小型微型计算机系统, 2012, 33(11):2379-2384. GAO P Y, CHEN C B, ZHANG K, et al. Hybrid model initializing the genetic population with multiple filters for feature selection[J]. Journal of Chinese Computer Systems, 2012, 33(11):2379-2384(in Chinese).
[6] 任江涛, 孙婧昊, 黄焕宇, 等. 一种基于信息增益及遗传算法的特征选择算法[J]. 计算机科学, 2006, 33(10):193-195. REN J T, SUN J H, HUANG H Y, et al. Feature selection based on information gain and GA[J]. Computer Science, 2006, 33(10):193-195(in Chinese).
[7] 陈果, 邓堰. 遗传算法特征选取中的几种适应度函数构造新方法及其应用[J]. 机械科学与技术, 2011, 30(1):124-128. CHEN G, DENG Y. Several new methods for features extraction based on genetic algorithm and their application[J]. Mechanical Science and Technology for Aerospace Engineering, 2011, 30(1):124-128(in Chinese).
[8] 刘元宁, 王刚, 朱晓冬, 等. 基于自适应多种群遗传算法的特征选择[J]. 吉林大学学报(工学版), 2011, 41(6):1690-1693. LIU Y N, WANG G, ZHU X D, et al. Feature selection based on adaptive multi-population genetic algorithm[J]. Journal of Jilin University (Engineering and Technology Edition), 2011, 41(6):1690-1693(in Chinese).
[9] KONONENKO I. Estimation attributes:Analysis and extensions of ReliefF[C]//Proceedings of the 1994 European Conference on Machine Learning, 1994:171-182.
[10] 张丽新, 王家廞, 赵雁南, 等. 基于Relief的组合式特征选择[J]. 复旦学报(自然科学版), 2004, 43(5):893-898. ZHANG L X, WANG J X, ZHAO Y N, et al. Combination feature selection based on Relief[J]. Journal of Fudan University (Natural Science), 2004, 43(5):893-898(in Chinese).
[11] 杨启文, 蒋静坪, 曲朝霞, 等. 应用逻辑操作改善遗传算法性能[J]. 控制与决策, 2000, 15(4):510-512. YANG Q W, JIANG J P, QU Z X, et al. Improving genetic algorithms by using logic operation[J]. Control and Decision, 2000, 15(4):510-512(in Chinese).
[12] DENG C, ZHAO B, YANG Y, et al. Binary encoding differential evolution for combinatorial optimization problems[C]//Proceedings of the 2011 Third International Workshop on Education Technology and Computer Science, 2011:11-14.
[13] 刘琛, 林盈, 胡晓敏. 差分演化算法各种更新策略的对比分析[J]. 计算机科学与探索, 2013, 7(11):983-993. LIU C, LIN Y, HU X M. Analyses and comparisons of different update strategies for differential evolution[J]. Journal of Frontiers of Computer Science and Technology, 2013, 7(11):983-993(in Chinese).
[14] 周明. 遗传算法原理及应用[M]. 北京:国防工业出版社, 1999:59. ZHOU M. Genetic algorithms:Theory and applications[M]. Beijing:National Defense Industry Press, 1999:59(in Chinese).
[15] 陈果, 郝腾飞, 程小勇, 等. 基于机匣测点信号的航空发动机滚动轴承故障诊断灵敏性分析[J]. 航空动力学报, 2014, 29(12):2874-2884. CHEN G, HAO T F, CHENG X Y, et al. Sensitivity analysis of fault diagnosis of aero-engine rolling bearing based on vibration signal measured on casing[J]. Journal of Aerospace Power, 2014, 29(12):2874-2884(in Chinese).
[16] 梅宏斌. 滚动轴承振动监测与诊断[M]. 北京:机械工业出版社, 1995. MEI H B. Rolling bearing vibration monitoring and diagnosis[M]. Beijing:China Machine Press, 1995(in Chinese).

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

特征选择的多准则融合差分遗传算法及其应用

Feature selection method based on differential evolution and genetic algorithm with multi-criteria evaluation and its applications

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	于功也, 蔡伟东, 胡明辉, 刘文才, 马波. 故障机理与领域自适应混合驱动的机械故障智能迁移诊断[J]. 航空学报, 2023, 44(2): 426800-426800.
[2]	蒋平, 屈秉男, 丁华泽, 马润泽, 何为. 基于改进粒子群的时差测向最优阵列布局[J]. 航空学报, 2023, 44(2): 326502-326502.
[3]	曹明, 黄金泉, 周健, 陈雪峰, 鲁峰, 魏芳. 民用航空发动机故障诊断与健康管理现状、挑战与机遇Ⅰ: 气路、机械和FADEC系统故障诊断与预测[J]. 航空学报, 2022, 43(9): 625573-625573.
[4]	韩凯, 董日昌, 邵丰伟, 龚文斌, 常家超. 基于改进遗传算法的导航卫星星间链路网络动态拓扑优化技术[J]. 航空学报, 2022, 43(9): 326095-326095.
[5]	张烁, 刘治汶. 航空发动机轴承故障结构化贝叶斯稀疏表示[J]. 航空学报, 2022, 43(9): 625056-625056.
[6]	张忠强, 张新, 王家序, 刘治汶. 基于重加权谱峭度方法的航空发动机故障诊断[J]. 航空学报, 2022, 43(9): 625445-625445.
[7]	韩淞宇, 邵海东, 姜洪开, 张笑阳. 基于提升卷积神经网络的航空发动机高速轴承智能故障诊断[J]. 航空学报, 2022, 43(9): 625479-625479.
[8]	孙灿飞, 黄林然, 沈勇. 复杂工况下的直升机行星传动轮系故障诊断[J]. 航空学报, 2022, 43(8): 625480-625480.
[9]	田晶, 张羽薇, 张凤玲, 艾辛平, 高崇. 基于多尺度量子熵的中介轴承故障诊断方法[J]. 航空学报, 2022, 43(8): 625485-625485.
[10]	康玉祥, 陈果, 尉询楷, 周磊. 深度残差对冲网络及其在滚动轴承故障诊断中的应用[J]. 航空学报, 2022, 43(8): 625201-625201.
[11]	聂同攀, 曾继炎, 程玉杰, 马梁. 面向飞机电源系统故障诊断的知识图谱构建技术及应用[J]. 航空学报, 2022, 43(8): 625499-625499.
[12]	王维民, 陈子文, 张旭龙, 陈康. 基于叶端定时的转子碰摩故障诊断方法[J]. 航空学报, 2022, 43(8): 625031-625031.
[13]	李昊泽, 贺雅, 冯坤, 江志农, 冯飞飞. 考虑时变激励的滚动轴承局部故障动力学建模[J]. 航空学报, 2022, 43(8): 625176-625176.
[14]	郑帅, 王子涵, 赵浩然, 杨朋涛, 洪军. 基于差分进化算法的飞机油量传感器布局优化方法[J]. 航空学报, 2022, 43(8): 125809-125809.
[15]	林京, 张博瑶, 张大义, 陈敏. 航空燃气涡轮发动机故障诊断研究现状与展望[J]. 航空学报, 2022, 43(8): 626565-626565.