典型文献
Cat Boost算法在舰船轴承故障诊断领域的应用
文献摘要：
轴承是舰船故障发生的常见位置,针对现有机器学习方法在舰船轴承故障诊断领域中存在多分类精度差、运算效率低等问题,提出一种基于Cat Boost(category boosting)算法的轴承诊断技术.首先,对振动信号进行时域分析、频域分析以及EMD(empirical mode decomposition)分解,得到截选振动信号段的特征指标;其次,利用Cat Boost算法在所提取特征中进行筛选,通过基尼指数快速建立树结构并进行排序.最后,选取不同维数特征输入进行模型算法评价,并与传统方法分类的准确率进行对比.试验结果表明,该方法在处理滚动轴承故障多分类问题上故障特征提取更为有效,识别效果明显高于其他传统算法.
文献关键词：
滚动轴承;Cat Boost算法;基尼指数;特征提取;故障诊断
中图分类号：
作者姓名：
邢芷恺;刘永葆;王强;李俊
作者机构：
海军工程大学动力工程学院,湖北武汉430032
文献出处：
引用格式：
[1]邢芷恺;刘永葆;王强;李俊-.Cat Boost算法在舰船轴承故障诊断领域的应用)[J].舰船科学技术,2022(23):117-122
A类：
舰船故障
B类：
Cat,Boost,轴承故障诊断,机器学习方法,分类精度,运算效率,category,boosting,诊断技术,振动信号,时域分析,频域分析,EMD,empirical,mode,decomposition,号段,特征指标,提取特征,基尼指数,树结构,维数特征,模型算法,算法评价,方法分类,滚动轴承,多分类问题,故障特征提取,传统算法
AB值：
0.388706
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。
