典型文献
基于贝叶斯优化的极限梯度上升树方法对电机轴承故障诊断方法的研究
文献摘要：
针对电机轴承故障问题,提出一种基于极限梯度上升树(XGboost)与贝叶斯优化(Bayesian Optimization)相结合的电机轴承故障诊断方法.提取电机轴承振动信号的小波包能量特征,使振动信号具有较好的可靠性,提高了故障诊断的准确率.采用贝叶斯优化算法对极限梯度上升树(XGboost)中的最大迭代次数、上升树的最大深度等参数进行超参数优化,并与故障诊断中常用的其他算法进行对比.实验结果表明:基于贝叶斯优化的极限梯度上升树(XGboost)的方法不仅能够实现对电机轴承的不同位置故障的准确识别,而且对每一个位置故障的严重程度有较好的诊断效果,具有较强的实用性.
文献关键词：
贝叶斯优化;小波包变换;极限梯度上升树;故障诊断
中图分类号：
作者姓名：
汪宇轩;刘兴刚;李文义;罗小川
作者机构：
东北大学,沈阳110819;辽宁科技学院,辽宁本溪117004
文献出处：
引用格式：
[1]汪宇轩;刘兴刚;李文义;罗小川-.基于贝叶斯优化的极限梯度上升树方法对电机轴承故障诊断方法的研究)[J].大电机技术,2022(03):33-36,54
A类：
极限梯度上升树
B类：
电机轴承,轴承故障诊断,故障诊断方法,故障问题,XGboost,Bayesian,Optimization,轴承振动,振动信号,小波包能量,能量特征,贝叶斯优化算法,对极,迭代次数,超参数优化,不同位置,准确识别,个位,诊断效果,小波包变换
AB值：
0.1766
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。
