-
题名半监督拉普拉斯分值在滚动轴承故障诊断中的应用
- 1
-
-
作者
梁闯
陈长征
刘野
贾歆莹
-
机构
沈阳工业大学机械工程学院
华晨宝马汽车有限公司
-
出处
《机械强度》
CAS
CSCD
北大核心
2023年第4期771-777,共7页
-
基金
国家自然科学基金项目(51675350)资助。
-
文摘
针对滚动轴承故障诊断过程中标签样本不足的问题,结合特征选择与二次挖掘,提出了基于半监督拉普拉斯分值(Semi Supervised Laplace Score,SSLS)和核主元分析(Kernel Principal Component Analysis,KPCA)的滚动轴承故障诊断模型。SSLS将半监督思想应用于拉普拉斯分值特征选择方法中,利用少量的有标签样本和大量无标签样本,结合KPCA对故障特征进行二次挖掘。同时,将粒子群优化的支持向量机(Particle Swarm Optimization-based Support Vector Machine,PSO-SVM)算法用于故障分类。最后,将该模型应用于实验数据分析过程。结果表明,该模型在减少样本标记工作量的同时,仍能在滚动轴承故障分类中保持较高的准确率,验证了所建立模型的有效性和工程实用性。
-
关键词
特征选择
半监督拉普拉斯分值
核主元分析
粒子群优化的支持向量机
故障诊断
-
Keywords
Feature selection
Semi supervised Laplace score
Kernel principal component analysis
Particle swarm optimization-based support vector machine
Fault diagnosis
-
分类号
TH165
[机械工程—机械制造及自动化]
TN911
[电子电信—通信与信息系统]
-