基于多极限学习机在线集成的柴油机故障诊断方法研究

• 作者: 任国全 尹刚 张英堂 李志宁 马超
• 来源期刊: 车用发动机
• 学科: 工学
• 关键词: 柴油机 极限学习机 贝叶斯方法 集成学习 多尺度主元分析 故障诊断
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 测试与诊断
• 页码范围: 85-89
• 页数: 5页
• 分类号: TK428
• 字数: 4068字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2222.2012.06.020

摘要

针对在线贯序极限学习机(OS-ELM)输出不稳定和过学习问题,提出了基于贝叶斯框架的多OS-ELM融合算法.首先通过在目标函数中引入输出矩阵的二范数,将线性回归问题转化为岭回归问题,改善OS-ELM的过学习问题.其次,构建多个OS-ELM分类器对训练样本进行学习,在贝叶斯框架下实现多分类器的在线集成,以提高分类器的输出稳定性.UCI数据集的试验表明,与改进前相比,本算法的分类准确率提高了1.07％～3.35％,100次试验的标准差降低了0.0015～0.0214.柴油机11种工况的故障识别准确率可达到96.86％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任国全	军械工程学院火炮工程系	133	1229	18.0	27.0
2	张英堂	军械工程学院火炮工程系	101	884	16.0	23.0
3	李志宁	军械工程学院火炮工程系	48	304	9.0	15.0
4	尹刚	军械工程学院火炮工程系	23	146	7.0	11.0
5	马超	军械工程学院火炮工程系	7	93	6.0	7.0