基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对轴向柱塞泵实际故障诊断中采集到的故障类数据远少于正常类数据的情况,为提升故障分类精确率,提出了一种基于平衡随机森林(Balanced Random Forest,BRF)的轴向柱塞泵故障诊断方法.BRF算法是随机森林(Random Forest,RF)的改进算法,将欠采样方法与RF结合,强化了RF处理非均衡数据的能力.通过开源的UCI数据集对该算法的性能进行了测试,相较于RF以及合成少数类过采样(Synthetic Minority Over-sampling Technique,SMOTE)与RF的组合算法SMOTE-RF,BRF算法在少数类分类精确率方面有所提升.最后,将BRF算法应用于轴向柱塞泵的故障诊断中.结果 表明,在类间数据不均衡的条件下,相较于RF及SMOTE-RF算法,BRF算法能够取得更高的故障分类精确率.
推荐文章
基于粗糙集和神经网络的柱塞泵故障诊断
粗糙集
人工神经网络
轴向柱塞泵
故障诊断
基于AMESim的轴向柱塞泵仿真
轴向柱塞泵
工程系统仿真高级建模环境
流量特性
供油压力
恒压力
轴向柱塞泵流量脉动主动控制方法及仿真研究
错相位并联
柱塞泵流量脉动
主动控制方法
Matlab仿真
轴向柱塞泵脉动特性仿真分析
轴向柱塞泵
脉动特性
数学模型
仿真模型
AMESim
MATLAB
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 类间数据不均衡条件下基于平衡随机森林的轴向柱塞泵故障诊断方法
来源期刊 液压与气动 学科 工学
关键词 轴向柱塞泵 故障诊断 非均衡数据 平衡随机森林 多分类
年,卷(期) 2022,(3) 所属期刊栏目 综合应用
研究方向 页码范围 45-54
页数 10页 分类号 TH137
字数 语种 中文
DOI 10.11832/j.issn.1000-4858.2022.03.006
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
轴向柱塞泵
故障诊断
非均衡数据
平衡随机森林
多分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
液压与气动
月刊
1000-4858
11-2059/TH
大16开
北京市西城区德胜门外教场口1号
2-828
1977
chi
出版文献量(篇)
7875
总下载数(次)
16
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导