分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-17 合作期刊: 《计算机应用研究》
摘要: 针对以往模式识别方法的不足及特征值贡献度的问题,提出了基于特征加权的代理判别模型(agent discriminate model based feature weighted,ADMFW)模式识别方法。该方法的核心在于利用加权因子获取加权特征,并采用代理模型建立加权特征之间的关系函数,即首先计算特征值的权值因子,评估特征值的显著度,进而对每个特征值予以权值;然后利用加权特征和代理模型建立预测模型;最后采用预测模型对未知样本进行识别诊断。对滚动轴承实测数据的分析结果表明,ADMFW可以有效地对滚动轴承的工作状态和故障类型进行识别。
分类: 机械工程 >> 机械工程其他学科 分类: 计算机科学 >> 计算机应用技术 提交时间: 2017-12-26
摘要: 现有轴承故障诊断方法存在不足:传统方法数学计算复杂,诊断效果不佳,且一般只诊断故障位置,难以诊断载荷及故障大小。现有的利用卷积神经网络的方法,使用传统卷积神经网络,一个网络只能输出一个属性,不能同时诊断多个属性,为了同时诊断故障位置、故障大小及载荷,首次提出了一种多属性卷积神经网络,并应用于轴承故障诊断,直接利用一维振动信号对多属性卷积神经网络进行训练。优势在于克服了传统方法的缺点:能获得故障属性任意组合的诊断结果,网络参数更少,方法简洁,泛化能力强,准确率高。采用西储大学的轴承数据,进行了一系列测试,表明本文方法能准确地诊断轴承故障的多个属性,准确率高,同时有很好的泛化能力。