基于约简矩阵和 C4．5 决策树的故障诊断方法

现阶段由于智能装备的结构和功能不断完善，机械故障预兆和故障特征也不断复杂化，导致了故障诊断难度大大增加。由于机器学习和数据挖掘技术的不断革新，基于数据挖掘的故障诊断系统快速发展，提高了故障诊断效率，减少了因诊断延迟造成的损失。对此，提出一种基于辨识约简矩阵的决策树故障诊断方法，实现了故障样本决策表的高效生成并保证诊断的正确性。首先采用粗糙集的决策树方法建立故障诊断决策表，然后离散化处理特征数据;接着采用可辨别矩阵约简算法进行属性约简，删除冗余信息，形成精简的决策表;最后使用 C4．5 算法构造出最终决策树，并用该方法与直接使用 C4．5 算法所生成决策树进行对比分析。实验结果表明，该方案有一定的容错能力，并且是一种快速、可靠的故障诊断方法