数据不平衡分布下轴承故障诊断方法

针对在滚动轴承的故障诊断中数据的不平衡分布会降低模型诊断能力的问题,本文提出一种首层拥有大尺度卷积核的一维卷积神经网络(WKFL-1DCNN)。WKFL-1DCNN首先使用较大的首层卷积核提取故障特征,并在交替的卷积层后添加批标准化(BN)层来调整数据分布;然后使用类平衡损失函数代替交叉熵损失函数来抵消数据不平衡分布给网络造成的影响。实验表明,本文所作改进能够有效提升WKFL-1DCNN在不平衡故障诊断中的表现,其故障诊断能力优于其他对比算法。

航行通告中自然语言理解算法研究

航行通告机器识别,对于规范化的代码处理相对简单,但对于自然语言处理起来相对困难。针对航行通告中类别多,数据分布不平衡,中英文混合等问题,提出基于word2vec文本向量化技术的文本分类方法,针对小样本数据采用smote算法对数据重采样,经过重采样后的数据选择使用XGBoost继承算法模型完成分类。由中航材导航技术公司提供的航行通告标签原始数据,经实验表明,能够有效规避样本数据分布极不平衡,分类数量过多的问题,同时模型的主要评价指标都有提高,包括模型的准确率、召回率及F1值。