故障诊断中的数据建模与特征选择

• 作者: 冯思桐 安宏勇 武坚
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 故障诊断 数据建模 特征选择
• 年，卷（期）: 2016,（9）
• 页码范围: 207-209
• 页数: 3页
• 分类号: TP311

摘要

机器学习方法在故障诊断领域得到了广泛的运用,通过对系统数据做出分析,在最快时间内发现异常并立刻做出反应。它的主要目标是设计算法并分析采样数据,使计算机能够实现＂自我学习＂的过程,进行适合研究对象的特征提取和特征选择,来预测未知数据的可能行为。本文结合现有文献,以传动轴为研究对象,对机械制造业中的故障诊断特征提取与特征选择过程进行了研究。文中列出了零部件故障诊断时域和频域主要使用的故障特征函数,并给出了特征提取与特征选择的流程和方法,使用BP（Back Propagation）神经网络算法进行基于数据的建模分析,结合数据模型,进行了适用于本次评估的特征参数提取和选择。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武坚		12	2	1.0	1.0
2	安宏勇		10	5	1.0	2.0
3	冯思桐		6	1	1.0	1.0