基于改进堆栈自编码的诊断错误标签修正

在基于数据驱动的故障诊断领域,正确的标签样本是诊断准确度的保障,但由于人工标记等原因,训练样本常受到错误标签的干扰。针对错误标签的问题,提出基于改进堆栈自编码的错误标签修正方法。该方法通过堆栈自编码和孤立森林给样本赋予伪标签,调整编码器对样本的注意程度,从而使编码器更注重于正确样本。基于数据分布偏差的考虑,利用基于随机森林的交叉验证获取样本的信息熵,对标签进行修正。齿轮和轴承试验表明,该方法在多个错误标签比例下均能降低样本的错误标签率,正确修正错误标签,提高故障诊断的准确率。

基于主成分分析马氏距离的支腿控制阀健康评估

支腿控制阀的性能是影响起重机支腿系统伸缩性能的重要因素之一。为了准确的评估支腿控制阀的健康性能,提出一种支腿系统的性能衰退与健康状态的评估方法,该方法基于PCA降维与马氏距离相结合的分析模型,建立不同状态下传感器信号与关键零部件的映射关系,从而达到对起重机支腿系统性能衰退量化评估的目的。该方法应用于起重机支腿控制阀的压力信号,通过对传感器信号内蕴关系及起重机在各年份提取的特征在特征空间的相关性分析,以得到量化性能评估结果。与常见的其他方法相比,该模型能够准确地反映起重机支腿系统历年来的性能衰退趋势,具有更好的鲁棒性与泛化性。