机械设计与制造杂志社

2020, No.351(05) 28-31+36

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

选择性集成迁移算法在轴承故障诊断领域的应用
Application of Selective Ensemble Transfer Algorithms in the Field of Bearing Fault Diagnosis

刘冬冬;李友荣;徐增丙;

摘要(Abstract):

针对工况复杂多变而产生数据分布不一致,导致传统机器学习进行故障诊断分析时精度低的问题,提出了选择性集成迁移学习的故障诊断方法,基于相似度原理,将相似度高的源域数据迁移至目标域,增加了有效训练样本的数据量,然后结合集成SVM进行故障识别;并在此基础上,提出了一种基于类内类间数据样本分散度的特征选取方法。轴承故障诊断实验结果表明,选择性集成迁移学习可以有效解决工况多变导致设备故障诊断精度低的问题,而且特征优选后诊断精度会得到进一步提升。

关键词(KeyWords): 故障诊断;机器学习;迁移学习;工况多变;特征选择

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(51775391)

作者(Author): 刘冬冬;李友荣;徐增丙;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享