典型文献
类间数据不均衡条件下基于平衡随机森林的轴向柱塞泵故障诊断方法
文献摘要：
针对轴向柱塞泵实际故障诊断中采集到的故障类数据远少于正常类数据的情况,为提升故障分类精确率,提出了一种基于平衡随机森林(Balanced Random Forest,BRF)的轴向柱塞泵故障诊断方法.BRF算法是随机森林(Random Forest,RF)的改进算法,将欠采样方法与RF结合,强化了RF处理非均衡数据的能力.通过开源的UCI数据集对该算法的性能进行了测试,相较于RF以及合成少数类过采样(Synthetic Minority Over-sampling Technique,SMOTE)与RF的组合算法SMOTE-RF,BRF算法在少数类分类精确率方面有所提升.最后,将BRF算法应用于轴向柱塞泵的故障诊断中.结果 表明,在类间数据不均衡的条件下,相较于RF及SMOTE-RF算法,BRF算法能够取得更高的故障分类精确率.
文献关键词：
轴向柱塞泵;故障诊断;非均衡数据;平衡随机森林;多分类
中图分类号：
作者姓名：
姜万录;马歆宇;岳毅;赵亚鹏
作者机构：
燕山大学河北省重型机械流体动力传输与控制重点实验室,河北秦皇岛066004;燕山大学先进锻压成形技术与科学教育部重点实验室,河北秦皇岛066004
文献出处：
引用格式：
[1]姜万录;马歆宇;岳毅;赵亚鹏-.类间数据不均衡条件下基于平衡随机森林的轴向柱塞泵故障诊断方法)[J].液压与气动,2022(03):45-54
A类：
平衡随机森林
B类：
数据不均衡,轴向柱塞泵,故障诊断方法,故障分类,精确率,Balanced,Random,Forest,BRF,改进算法,欠采样,采样方法,非均衡数据,开源,UCI,少数类,过采样,Synthetic,Minority,Over,sampling,Technique,SMOTE,组合算法,算法应用,多分类
AB值：
0.277966
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。
