-
题名基于IF和SHAP的无监督机械故障检测和诊断方法
被引量:4
- 1
-
-
作者
沈阳
黄文豪
俞龙
郑志硕
-
机构
广州工程技术职业学院信息工程学院
华南理工大学软件学院
华南农业大学电子工程学院
广东技术师范大学计算机科学学院
-
出处
《南京理工大学学报》
CAS
CSCD
北大核心
2023年第1期66-73,共8页
-
基金
2021年广东省普通高校特色创新类项目(2021KTSCX268)
2022年广州市教育局高校科研项目(202235310)
2018年广东高校省级重点平台和重大科研项目(2018GKQNCX022)。
-
文摘
为实现标签数据不可用情况下对机械故障的早期准确检测和诊断,提出了基于孤立森林(Isolation forest,IF)模型和可解读人工智能工具Shapley加法解释(Shapley additive explanation,SHAP)的无监督旋转机械故障检测方法。提取出时域和频域中的振动特征。在故障检测阶段,以无监督方式基于IF模型检测到早期机械故障。在故障诊断中,使用SHAP对IF模型的预测结果进行解读,通过特征重要性排序得到故障成因,并根据特征与故障位置的对应关系执行故障分类或根因分析。在轴承故障数据集上的试验结果表明,所提方法能够准确及时地检测到早期机械故障的发生,并给出故障发生的原因和位置,所提方法可有效提高机械设备运行和维护的稳定性和自动化。
-
关键词
故障检测
故障诊断
孤立森林
可解读人工智能
无监督检测
-
Keywords
fault detection
fault diagnosis
isolation forest
explainable artificial intelligence
unsupervised detection
-
分类号
TH165
[机械工程—机械制造及自动化]
TP181
[自动化与计算机技术—控制理论与控制工程]
-