典型文献
柴油机故障的堆栈自编码特征提取与随机森林识别
文献摘要：
为了提高柴油机故障的在线识别准确率,提出了堆栈自编码特征提取方法和话语权随机森林的故障类别识别方法.对缸盖罩振动信号为分析对象,提出了样本熵自适应小波阈值去噪方法,有效提高了信号的信噪比.使用堆栈自编码网络提取振动信号的故障特征向量,所提取特征类内聚合度高、类间区分度好.在传统森林算法基础上,根据决策树的预测试准确率为其赋予不同的话语权,从而提出了话语权随机森林算法,并将其应用于柴油机运行故障模式识别.经10组实验验证,传统森林算法的平均识别准确率为90.32％,话语权森林算法的平均识别准确率为99.67％,比传统算法提高了 10.35％;另外,话语权森林算法的识别准确率标准差远小于传统随机森林算法.以上数据说明经过改进,随机森林算法的识别准确率和稳定性均得到了提高.
文献关键词：
柴油机故障诊断;自适应小波阈值去噪;堆栈自动编码网络;话语权森林算法
中图分类号：
作者姓名：
郭兆松;吴士力;邓侃
作者机构：
南京交通职业技术学院,江苏 南京 211188;南京理工大学,江苏 南京 210094;长沙湾流智能科技有限公司,湖南长沙 410100
文献出处：
引用格式：
[1]郭兆松;吴士力;邓侃-.柴油机故障的堆栈自编码特征提取与随机森林识别)[J].机械设计与制造,2022(09):37-42,48
A类：
话语权森林算法,堆栈自动编码网络
B类：
堆栈自编码,编码特征,在线识别,识别准确率,缸盖,振动信号,样本熵,自适应小波阈值去噪,小波阈值去噪方法,自编码网络,故障特征,特征向量,提取特征,内聚,聚合度,区分度,决策树,随机森林算法,机运,运行故障,故障模式识别,传统算法,差远,上数,数据说明,明经,柴油机故障诊断
AB值：
0.251483
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。
