基于随机配置网络的云集成学习用于滚动轴承故障诊断
机器学习
2023-07-04 v1 人工智能
摘要
滚动轴承的故障诊断对旋转机械的后期维护具有重要意义，但利用少量样本高效诊断故障是一项具有挑战性的工作。此外，由于外部环境的复杂性和滚动轴承的结构，故障常带有随机性和模糊性，阻碍了故障特征的有效挖掘，并最终限制了故障诊断的精度。为克服这些问题，本文发展了基于随机配置网络(SCN)的云集成学习，称为 SCN-CEL。具体而言，首先利用正态云模型的后向云发生器开发了一种云特征提取方法，以挖掘故障信息的不确定性。然后，提出了一种云采样方法，利用双向云发生器生成足够的云滴，以扩充云特征样本。最后，开发了基于 SCN 的集成模型，以全面刻画故障信息的不确定性并提升故障诊断机器的泛化性能。实验结果表明，所提方法在少样本场景下区分滚动轴承故障类别方面确实表现良好。
引用
@article{arxiv.2307.00507,
title = {Cloud Ensemble Learning for Fault Diagnosis of Rolling Bearings with Stochastic Configuration Networks},
author = {Wei Dai and Jiang Liu and Lanhao Wang},
journal= {arXiv preprint arXiv:2307.00507},
year = {2023}
}