首页|基于集成ELM框架的机械复合故障诊断

基于集成ELM框架的机械复合故障诊断

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提升传统分类器在进行复合故障诊断时的诊断性能以及计算效率,提出了一种基于集成极限学习机框架的旋转机械复合故障诊断方法.提出的集成极限学习机框架由两个子网络组成,第一个极限学习机网络通过无监督聚类从每个点到每个质心生成欧氏距离函数,从而大大扩展了数据的样本,大大提高了该方法的适用范围.第二个极限学习机网络通过多输出节点多标签学习识别潜在输出,该分类器能够自适应的调整生成阈值,从而减少了对先验知识的依赖.通过仿真验证可知该方法在机械复合故障诊断方面具有诊断精度高、计算复杂度小,自适应能力强等优点.
Mechanical Compound Fault Diagnosis Based on Ensemble ELM Framework

苏开华、邱斌、吴磊

展开 >

中山火炬职业技术学院装备制造学院,广东中山 528436

江西理工大学电气工程与自动化学院,江西 赣州 341000

旋转机械 复合故障诊断 极限学习机 无监督聚类 多标签分类

广东省普通高等学校人工智能和服务乡村振兴重点领域科研项目

2019KZDZX1053

2022

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
年,卷(期)：2022.(12)
  • 15