針對工況復(fù)雜多變而產(chǎn)生數(shù)據(jù)分布不一致,導(dǎo)致傳統(tǒng)機器學(xué)習(xí)進(jìn)行故障診斷分析時精度低的問題,提出了選擇性集成遷移學(xué)習(xí)的故障診斷方法,基于相似度原理,將相似度高的源域數(shù)據(jù)遷移至目標(biāo)域,增加了有效訓(xùn)練樣本的數(shù)據(jù)量,然后結(jié)合集成SVM進(jìn)行故障識別;并在此基礎(chǔ)上,提出了一種基于類內(nèi)類間數(shù)據(jù)樣本分散度的特征選取方法。軸承故障診斷實驗結(jié)果表明,選擇性集成遷移學(xué)習(xí)可以有效解決工況多變導(dǎo)致設(shè)備故障診斷精度低的問題,而且特征優(yōu)選后診斷精度會得到進(jìn)一步提升。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 遷移學(xué)習(xí)
    2.1 遷移學(xué)習(xí)的原理和優(yōu)勢
    2.2 SelectTr遷移學(xué)習(xí)方法
3 特征選擇
4 診斷分析
    4.1 實驗數(shù)據(jù)
    4.2 特征提取和優(yōu)選
    4.3 診斷分析
        4.3.1 源域數(shù)據(jù)樣本不變，目標(biāo)域數(shù)據(jù)樣本增加
        4.3.2 目標(biāo)域數(shù)據(jù)樣本不變，源域數(shù)據(jù)樣本遞增
        4.3.3 特征參數(shù)未優(yōu)選條件下遷移學(xué)習(xí)診斷分析
5 結(jié)論



本文編號：3766004