数据集不均衡下的设备故障程度识别方法研究

发布时间：2017-08-20 08:32

  本文关键词：数据集不均衡下的设备故障程度识别方法研究

  更多相关文章： 故障诊断 故障程度识别 数据集不均衡 二叉树加权支持向量机

【摘要】：在机械故障诊断中,由于故障样本难以收集且数量远远少于正常样本,即产生数据集不均衡问题。这将导致传统的分类算法如支持向量机(SVM)在处理不均衡分类问题时对少数类样本(故障样本)的分类准确率过低。加权支持向量机(C-SVM)算法是一种处理样本集不均衡问题的常用算法,可以在一定程度上改善少数类样本的分类准确率。但是在故障程度相近时会导致样本间距过小,加权C-SVM算法对这类故障样本的识别精度不理想。为提高数据集不均衡下故障程度相近样本的分类准确率,采用二叉树结构与加权C-SVM相结合的方法,综合考虑样本类间距离、类内距离和不均衡程度,优化二叉树结构。结果表明,该算法能够有效处理样本距离过近的不均衡数据集分类问题,从而提高了故障程度相近样本的分类准确率。
【作者单位】： 中国石油大学(北京)机械与储运工程学院;中国特种设备检测研究院;
【关键词】： 故障诊断 故障程度识别 数据集不均衡 二叉树加权支持向量机
【基金】：国家自然科学基金项目(51005247) 中国石油大学(北京)科研基金资助(2462015YQ0403;2462014YJRC039)
【分类号】：TH17
【正文快照】： 转子不平衡是旋转机械中最常见的故障之一,正确识别转子不平衡故障程度,是对设备进行视情维修的前提条件[1-2]。在故障程度相近时,不同类别的样本相似度很高,且距离较近,在进行分类时很容易将其误分成其他类别。在工程实际中,故障样本的数量远远少于正常样本,并且当准备收集异

【相似文献】

中国期刊全文数据库 前3条

1 蒋宇;李志雄;唐茗;李力;;EMD下轴承故障程度诊断技术的研究[J];机床与液压;2009年08期

2 何玉灵;万书亭;唐贵基;向玲;;基于定子振动特性的汽轮发电机气隙偏心故障程度鉴定方法研究[J];振动与冲击;2012年22期

3 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 董广明;陈进;;支撑座连接螺钉组松动故障程度的特征提取实验研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

中国硕士学位论文全文数据库 前2条

1 车勋建;基于有序决策树的故障程度诊断研究[D];哈尔滨工业大学;2011年

2 佟佩声;滚动轴承变工况条件下静电监测特征提取及故障程度识别方法研究[D];南京航空航天大学;2014年

，

本文编号：705597