协同训练算法在滚动轴承故障诊断中的应用

作     者：王得雪 林意 陈俊杰 WANG Dexue;LIN Yi;CHEN Junjie

作者机构：江南大学数字媒体学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122 西门子中国研究院北京100102 

基　　金：中央高校基本科研业务费专项(No.JUSRP51902B) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2020年第56卷第12期

页      码：273-278页

摘      要：针对单个分类器方法在滚动轴承故障诊断中精度较低、故障样本标记稀缺、特征空间维度高等问题,提出一种将协同训练与集成学习相结合的Co-Forest轴承故障诊断算法。Co-Forest是半监督学习中的协同训练算法,包含多个基分类器,通过投票实现协同训练中的置信度估算。从滚动轴承的振动信号中提取时域、频域特征指标。利用少量带标签和大量未标记样本重复地训练基分类器。集成基分类器,实现对滚动轴承故障的诊断。实验结果表明,与同类型的协同训练算法(Co-Training、Tri-Training)相比,Co-Forest算法在轴承故障诊断中具有更高的正确率,与当前针对特征向量高维、标记样本稀缺问题的ISS-LPP算法,SS-LLTSA算法相比,Co-Forest算法在保持很高诊断正确率的情况下,不需要降维、参数设置简单,具有一定的实际应用价值。

主 题 词：协同训练 集成学习 故障诊断 置信度 

学科分类：081203[081203] 08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0812[工学-测绘类] 080201[080201] 

D　O　I：10.3778/j.issn.1002-8331.1904-0256

馆 藏 号：203933674...