典型文献
基于改进深度森林的旋转机械故障诊断方法
文献摘要：
为了解决深度神经网络受限于超参数和数据量问题,提出一种改进的深度森林模型,实现旋转机械故障的高效诊断.首先利用多粒度扫描环节对初始输入数据进行特征提取得到概率特征,然后在与多粒度扫描层级联的地方添加stacking层对输入数据进行相应的特征提取工作,最后将经过多粒度扫描和stacking层处理后的数据输入到级联森林中得到分类结果.试验结果表明,改进的深度森林模型故障诊断准确率为99.59％和98.05％,且优于常用的故障诊断模型.
文献关键词：
故障诊断;深度学习;深度森林;stacking
中图分类号：
作者姓名：
刘东川;邓艾东;赵敏;卞文彬;许猛
作者机构：
东南大学能源与环境学院火电机组振动国家工程研究中心,南京 210096
文献出处：
引用格式：
[1]刘东川;邓艾东;赵敏;卞文彬;许猛-.基于改进深度森林的旋转机械故障诊断方法)[J].振动与冲击,2022(21):19-27
A类：
B类：
进深,旋转机械故障诊断,故障诊断方法,深度神经网络,网络受限,受限于,超参数,数据量,深度森林模型,多粒度扫描,输入数据,概率特征,stacking,级联森林,林中,故障诊断准确率,故障诊断模型
AB值：
0.269676
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。
