| 基于随机RF的集成SVM故障诊断改进算法 |
| |
| 引用本文： | 夏丽莎,吕文元.基于随机RF的集成SVM故障诊断改进算法[J].工业工程与管理,2019,24(3):85-90. |
| |
| 作者姓名： | 夏丽莎 吕文元 |
| |
| 作者单位： | 上海理工大学管理学院,上海,200093;上海理工大学管理学院,上海,200093 |
| |
| 摘 要： | 针对工业系统监控数据不均衡导致的故障状态难以被识别问题,提出一种基于随机旋转森林的集成支持向量机(RRFESVM)故障诊断算法,通过将监控数据进行属性随机分割、组合、PCA变换和样本有放回重采样,组建多个新训练子集并使用支持向量机算法进行训练,得到多个支持向量机故障诊断基分类器,集成得到强分类器.由此既保证基分类器之间的差异性,又保证故障诊断精度和分类器性能稳定性,从而解决故障诊断易偏置问题,提高作为少数类的故障状态实时诊断准确率。亚轨道飞行器再入过程实验与TE化工过程实验都表明RRFESVM故障诊断算法能够有效提升不均衡数据情况下的实时故障诊断性能。
|
| 关 键 词： | 数据不均衡 随机旋转森林 集成支持向量机 故障诊断 |
Random RF and Ensemble SVMs Based Fault Diagnosis Method |
| |
| XIA Li-sha,LV Wen-yuan.Random RF and Ensemble SVMs Based Fault Diagnosis Method[J].Industrial Engineering and Management,2019,24(3):85-90. |
| |
| Authors: | XIA Li-sha LV Wen-yuan |
| |
| Affiliation: | (School of Business,University of Shanghai for Science and Technology,Shanghai 200093,China) |
| |
| Abstract: | XIA Li-sha;LV Wen-yuan(School of Business,University of Shanghai for Science and Technology,Shanghai 200093,China) |
| |
| Keywords: | imbalanced dataset random rotation forest ensemble SVM fault diagnosis |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
