典型文献
结合扰动集成RBF的故障识别方法
文献摘要：
为提高旋转机械故障识别精度,将神经网络与集成学习方法进行结合,提出结合扰动方式的集成RBF故障模式识别方法.首先,通过ReliefF算法计算所提取出的转子故障特征数据集各个特征的权重,并且将权重值进行降序排列,从而筛选出权重趋大的系列特征构成低维特征数据集;其次,将较大权重作为无放回轮盘赌法的输入,对权重所对应的低维特征数据集进行特征扰动,产生系列化低维数据子集并将其划分为训练集和测试集;然后,采用Bagging算法中的自助采样法对训练集进行样本扰动,以此形成新的训练集并用于训练对应个数的RBF神经网络,完成差异性子分类器的构建;最终,对各个神经网络的测试数据辨识结果通过相对多数投票法进行结合,得到故障识别结果.实验结果表明,对于转子系统的故障识别,该方法相较于未集成RBF神经网络、集成BP神经网络具有较高的识别精度,并且拥有较好的泛化性能.
文献关键词：
ReliefF算法;集成学习;RBF神经网络;特征扰动;样本扰动
中图分类号：
作者姓名：
赵荣珍;赵楠
作者机构：
兰州理工大学机电工程学院,甘肃兰州 730050
文献出处：
引用格式：
[1]赵荣珍;赵楠-.结合扰动集成RBF的故障识别方法)[J].兰州理工大学学报,2022(06):40-45
A类：
B类：
RBF,故障识别方法,旋转机械故障,识别精度,集成学习方法,扰动方式,故障模式识别,ReliefF,算法计算,计算所,转子故障,故障特征,特征数据集,权重值,降序,列特,低维特征,大权,重作,放回,轮盘赌,赌法,特征扰动,系列化,子集,训练集,测试集,Bagging,自助,采样法,样本扰动,性子,分类器,测试数据,数据辨识,相对多数投票,投票法,转子系统,泛化性能
AB值：
0.402114
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
