典型文献
基于多标签学习的旋转机械分级复合故障诊断
文献摘要：
传统故障诊断方法大多是针对单一故障类型,然而在实际工业中多种故障会同时出现,即复合故障.针对复合故障诊断问题,一些学者引入多标签学习思想,多标签K近邻算法(ML-KNN)就是其中之一.然而ML-KNN算法作为一阶算法,只考虑标签与对应样本数据间的关系,却忽略了标签间的联系.针对该问题提出一种分级多标签学习算法,名为分层多标签K近邻算法(HML-KNN).HML-KNN算法将机械设备的退化阶段和故障类型分为两级,将第1级得到的标签信息进行转化,转化后的信息作为新特征放入第2级进行判断.HML-KNN算法是一种高阶算法,考虑了全局的标签信息,并在算法中包含了标签的特征转化,使得到的结果准确率更高.最后通过XJTU-SY数据集验证HML-KNN算法在处理复合故障诊断问题上的优越性.
文献关键词：
多标签学习;ML-KNN;复合故障;故障诊断;分级处理;相似性搜索
中图分类号：
作者姓名：
马鑫;陈庆;柴榕敏;崔明亮;王友清
作者机构：
北京化工大学信息科学与技术学院,北京100029;山东科技大学电气与自动化工程学院,山东青岛266590
文献出处：
引用格式：
[1]马鑫;陈庆;柴榕敏;崔明亮;王友清-.基于多标签学习的旋转机械分级复合故障诊断)[J].控制与决策,2022(07):1772-1778
A类：
HML
B类：
多标签学习,旋转机械,复合故障诊断,故障诊断方法,单一故障,故障类型,会同,诊断问题,学习思想,近邻算法,KNN,机械设备,退化阶段,两级,标签信息,新特征,放入,XJTU,SY,数据集验证,分级处理,相似性搜索
AB值：
0.260215
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。
