基于分类器组的轴承故障识别方法研究

被引：6

作者：

窦东阳 ^{[1
]}

赵英凯 ^{[2
]}

机构：

[1] 中国矿业大学化工学院

[2] 南京工业大学自动化与电气工程学院

来源：

振动与冲击 | 2010年 / 29卷 / 10期

关键词：

分类器组; 约简; 多样性; 滚动轴承; 故障识别;

D O I：

10.13465/j.cnki.jvs.2010.10.052

中图分类号：

TH165.3 []; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种基于设备运行数据构造分类器组用于滚动轴承故障识别的方法。在决策表上使用属性约简的遗传算法找出构成候选基分类器的较好约简,再使用多样性筛选的遗传算法找出最终的约简,以此为基础结合加权投票策略构建分类器组用于模式分类。通过轴承正常情况、内圈、外圈和滚动体故障的识别实验验证了方法的有效性,得到了较好的实验结果。

引用

页码：221 / 224+243+261 +243

页数：6

共 10 条

[1] 基于优先级诊断树的旋转机械故障诊断专家系统 [J].

窦东阳 ;

赵英凯 .

中国电机工程学报, 2008, (32) :82-88

[2] 滚动轴承故障的EMD诊断方法研究 [J].

高强 ;

杜小山 ;

范虹 ;

孟庆丰 .

振动工程学报, 2007, (01) :15-18

[3] 基于EMD的奇异值分解技术在滚动轴承故障诊断中的应用 [J].

杨宇 ;

于德介 ;

程军圣 .

振动与冲击, 2005, (02) :12-15+145

[4]

Feature-based classifier ensembles for diagnosing multiple faults in rotating machinery.[J].E. Zio;P. Baraldi;G. Gola.Applied Soft Computing Journal.2007, 4

[5]

Evolving hybrid ensembles of learning machines for better generalisation.[J].Arjun Chandra;Xin Yao.Neurocomputing.2006, 7

[6] Lung cancer cell identification based on artificial neural network ensembles [J].