黄海安，王友仁，孙灿飞,2，陈伟，王俊

(1. 南京航空航天大学 自动化学院，江苏 南京 210016； 2. 上海航空测控技术研究所，上海 201601)

0 引言

在行星齿轮箱故障诊断中，基于振动信号从时域、频域、时频域等方面提取反映运行状态的量化指标，可以有效地辨识齿轮箱的运行状态。然而随着故障模式的复杂度提高，提取的特征会呈现多元化，即提取的特征包含强相关特征、弱相关特征和冗余特征[1]。如何从高维、非线性的特征集中提取故障特征子集是模式识别的核心问题[2]。

旋转机械故障特征优选方法通常分为特征变换和特征选择两大类。基于特征变换的降维优选方法采用映射关系对特征进行空间变换，Li等[3]利用监督局部线性嵌入算法实现故障特征集的维数约简，Su等[4]利用扩展的监督局部切空间排列进行特征降维。然而基于特征变换的降维技术失去了原始特征的物理意义，无法表征系统的本质特性。基于特征选择的降维方法采用评估准则对特征进行直接子集选择，保留了原始特征含义，应用广泛[5]。传统的特征选择算法采用距离评估技术对特征重要性进行排序，缺点是无法彻底去除冗余特征，也没有考虑弱相关特征的组合性能。近年来多目标进化算法被引入到特征选择中来，2013年Bing提出基于进化多目标粒子群优化特征选择算法[6]，采用分类准确率最高和特征个数最少2个目标函数同时优化选取Pareto前沿解，但其考虑的特征选择因素依然过少。……