基于Lasso与RFE特征消除的RVM旋转机械故障预测

• 作者: 原思聪 张媛媛 郭田奇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 旋转机械 相关向量机 故障诊断 特征消除
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 149-153
• 页数: 5页
• 分类号: TP391
• 字数: 4415字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0003

摘要

针对旋转机械故障诊断问题,提出一种基于相关向量机(RVM)的故障检测方法,RVM是一种用于回归和分类问题的贝叶斯稀疏核方法,其突出的优势是模型的稀疏性和预测的概率性.为进一步提高RVM模型的鲁棒性,减小样本数据中异常值对预测值的影响,针对Lasso方法进行特征选择时无法去除冗余特征的问题,提出以Lasso为底层算法的RFE递归特征消除方法去除样本数据集中无关特征和冗余特征.最后以工业环境下采集的数据作为样本集进行实验,同传统算法进行了比较,结果表明该方法在保持较高检测率的同时,提高了故障预测的时效性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	原思聪	西安建筑科技大学机电工程学院	156	1259	17.0	27.0
2	郭田奇	兰州财经大学统计学院	4	3	1.0	1.0
3	张媛媛	西安建筑科技大学机电工程学院	3	4	1.0	2.0