基于半监督最大间隔字典学习的故障诊断方法

• 作者: 刘占生 王维刚 陶京
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 故障诊断 支持向量机 稀疏编码 半监督最大间隔字典学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 论文
• 页码范围: 1068-1074
• 页数: 7页
• 分类号: TH165.3|TP391.4|TP181
• 字数: 5828字
• 语种: 中文
• DOI: 10.16450/j.cnki.issn.1004-6801.2019.05.023

摘要

针对有标记故障样本不足及传统半监督诊断方法识别率低的问题,提出基于半监督最大间隔字典学习算法(semi-supervised max-margin dictionary learning,简称SSMMDL)的故障诊断方法.该方法将无标记样本重构误差项添加至最大间隔字典学习算法模型中,通过最小化无标记样本稀疏重构误差项、有标记样本稀疏重构误差项、支持向量机的损失函数正则项和分类间隔正则项,实现字典和支持向量机的同步学习,从而获得判别能力较强的字典.在此基础上,运用稀疏编码获得测试样本的稀疏表示,利用基于稀疏表示的分类器进行故障识别.通过对转子不同故障进行识别,结果表明所提方法较相关对比算法识别准确率更高,可以满足机械故障在线监测的需要.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘占生	哈尔滨工业大学能源科学与工程学院	179	2228	26.0	37.0
2	王维刚	东北石油大学机械科学与工程学院	15	49	3.0	6.0
3	陶京	东北石油大学机械科学与工程学院	2	0	0.0	0.0