滚动轴承故障状态类型识别随着信号检测技术、数字信号处理技术以及人工智能技术的迅速发展爱游戏,对于滚动轴承的故障诊断己发展成为集物理、数字信号处理以及人工智能等方面技术于一体的综合性课题。近些年来国内外大量专家对特征选择方法作了深入地研究,出现了各种各样的方法:如,主成分分析法(PCA)、神经网络法、无监督聚类法、粗糙集理论法、遗传算法、基于特征相关性和冗余性分析的特征选择方法、基于动态规划方法的特征选择法等。其中,遗传算法因其简单,鲁棒性强,适用于并行处理,己广泛应用于计算机科学、优化调度、运输问题、组合优化等领域,也被广泛应用于特征选择,并取得了较好的结果。因此,采用遗传算法对逻辑回归模型的参数选择。在国内,北京化工大学的李峰峰采用Logistic回归模型的机械状态健康评估研究,取得了较好的效果,湖南大学的史美丽基于LMD的滚动轴承故障诊断研究,取得了良好的效果。