基于改进堆栈自编码的诊断错误标签修正

• 作者: 张旭 黄亦翔 张轩 肖登宇 刘成良 李怀洋 朱涛
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 错误标签 堆栈自编码 孤立森林 信息熵 齿轮故障
• 年，卷（期）: 2022,（1）
• 页码范围: 78-87
• 页数: 10页
• 分类号: TH17
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2022.01.011

摘要

在基于数据驱动的故障诊断领域,正确的标签样本是诊断准确度的保障,但由于人工标记等原因,训练样本常受到错误标签的干扰.针对错误标签的问题,提出基于改进堆栈自编码的错误标签修正方法.该方法通过堆栈自编码和孤立森林给样本赋予伪标签,调整编码器对样本的注意程度,从而使编码器更注重于正确样本.基于数据分布偏差的考虑,利用基于随机森林的交叉验证获取样本的信息熵,对标签进行修正.齿轮和轴承试验表明,该方法在多个错误标签比例下均能降低样本的错误标签率,正确修正错误标签,提高故障诊断的准确率.