机械设计与制造2020，Issue(5) ：28-31,36.

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
机械设计与制造2020，Issue(5) ：28-31,36.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

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 1李友荣 1徐增丙1
扫码查看

作者信息

  • 1. 武汉科技大学冶金装备及控制教育部重点实验室,湖北 武汉 430081
  • 折叠

摘要

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

故障诊断/机器学习/迁移学习/工况多变/特征选择

引用本文复制引用

基金项目

国家自然科学基金资助项目(51775391)

出版年

2020
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量2
参考文献量10
段落导航相关论文