基于不平衡支持向量数据描述的故障诊断算法

• 作者: 王健 韩志艳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 故障诊断 数据驱动 支持向量数据描述 不平衡数据 SECOM数据集
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 156-162
• 页数: 7页
• 分类号: TP301.6
• 字数: 4993字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.05.025

摘要

分析无监督和监督故障诊断方法的特点,提出一种能够结合两者优势的不平衡支持向量数据描述(ISVDD)算法.该算法具有无监督故障诊断方法的优势,通过描述正常工况样本的边界分布状况,寻找最能代表正常工况特点的特征.借鉴监督故障诊断方法,引入故障工况样本中蕴含的判别信息,更准确地描述正常工况样本的真实边界.针对故障诊断中常见的类别不平衡情况进行优化,将传统的SVDD中对样本类别分布敏感的经验误差替换为对样本类别分布鲁棒的曲线下面积.数值仿真和工业实例验证了提出算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王健	渤海大学工学院	44	130	7.0	9.0
2	韩志艳	渤海大学工学院	15	107	6.0	10.0