故障诊断中的数据建模与特征选择

发布时间：2017-09-09 07:19

  本文关键词：故障诊断中的数据建模与特征选择

  更多相关文章： 故障诊断 数据建模 特征选择

【摘要】：机器学习方法在故障诊断领域得到了广泛的运用,通过对系统数据做出分析,在最快时间内发现异常并立刻做出反应。它的主要目标是设计算法并分析采样数据,使计算机能够实现"自我学习"的过程,进行适合研究对象的特征提取和特征选择,来预测未知数据的可能行为。本文结合现有文献,以传动轴为研究对象,对机械制造业中的故障诊断特征提取与特征选择过程进行了研究。文中列出了零部件故障诊断时域和频域主要使用的故障特征函数,并给出了特征提取与特征选择的流程和方法,使用BP(Back Propagation)神经网络算法进行基于数据的建模分析,结合数据模型,进行了适用于本次评估的特征参数提取和选择。
【作者单位】： 中国航空计算技术研究所;
【关键词】： 故障诊断 数据建模 特征选择
【分类号】：TH17;TP181
【正文快照】： 1介绍基于数据建模的故障诊断,通过对异常的数据点来预测未知的故障情况,通过对故障情况的预估以及定位,可以及时预防并消除安全隐患。这种通过数据采样来进行判断和预测的方法在工业界,尤其是制造业和再制造领域中的需求逐渐上升。机器学习作为人工智能学科的一个分支,主通过

【相似文献】

中国期刊全文数据库 前3条

1 邓林峰;赵荣珍;冯如只;杨娟;;基于特征选择和变精度粗集的属性约简方法及其应用[J];机械科学与技术;2010年10期

2 杨宇;潘海洋;程军圣;;基于特征选择和RRVPMCD的滚动轴承故障诊断方法[J];振动工程学报;2014年04期

3 ;[J];;年期

，

本文编号：819063