典型文献
基于车用柴油机不平衡数据集的故障识别组合模型
文献摘要：
基于车用柴油机的不平衡数据集,根据对应故障发生频次高与低,将模型建立对象分为样本丰富的大数据量故障与样本集不完备的小数据量故障两种.面向前者,基于XGBoost(Extreme Gradient Boosting)分类算法构建故障识别模型,面向后者,基于模糊神经网络构建故障识别模型,然后针对两类模型进行参数调节以获得最优效果,并分别建立评估机制.模型评估结果表明,该故障识别组合模型能够较为精确、全面地识别大多数故障种类,是一种对数据量要求不高且总识别率超过80％的多适应性识别模型算法,可作为汽车维保工作中的重要工具使用.
文献关键词：
发动机故障识别;不平衡数据集;XGBoost;模糊神经网络
中图分类号：
作者姓名：
李秀峰;王宁;刘璇琦;段艳
作者机构：
同济大学汽车学院,上海 201804
文献出处：
引用格式：
[1]李秀峰;王宁;刘璇琦;段艳-.基于车用柴油机不平衡数据集的故障识别组合模型)[J].汽车工程学报,2022(05):646-653
A类：
发动机故障识别
B类：
车用柴油机,不平衡数据集,别组,组合模型,大数据量,样本集,小数据,XGBoost,Extreme,Gradient,Boosting,分类算法,识别模型,模糊神经网络,网络构建,两类模型,参数调节,优效,评估机制,模型评估,故障种类,识别率,模型算法,维保
AB值：
0.313138
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。
