论文部分内容阅读
如何从海量数据中,挖掘出有用信息,寻找出数据之间蕴含的反映机械设备运行状况规律,解决复杂诊断建模难的问题,实现对故障模式智能化识别,成为当前急切需要解决的问题。然而采集到的反映复杂机械系统运行状况的工业数据往往夹杂着大量噪音,具有较强的非线性和耦合性,严重影响了有效信息的获取,且目前单一的故障诊断模型无法有效的对复杂的机械系统做出全面的诊断。针对以上问题,本文开展了邻域粗糙集理论(Neighborhood Rough Set Theory,NRST)与其它数据驱动方法结合的转子故障模式识别方法的研究