【摘 要】
：
针对目前用于故障诊断领域的机器学习方法尚不能够充分挖掘数据中隐含故障特征信息,存在逼近精度不足的问题,提出一种基于XGBoost算法的隐含特征信息提取方法。根据故障数据
【机 构】
：
浙江工业大学特种装备制造与先进加工技术教育部重点实验室
【基金项目】
：
国家重点研发计划资助项目(2017YFB0603704),国家自然科学基金资助项目(U1610112,51875525,51575491),浙江省自然科学基金资助项目(LY18E050020,LY20E050020)
论文部分内容阅读
针对目前用于故障诊断领域的机器学习方法尚不能够充分挖掘数据中隐含故障特征信息,存在逼近精度不足的问题,提出一种基于XGBoost算法的隐含特征信息提取方法。根据故障数据与故障类型自定义XGBoost算法的损失函数,迭代构建故障分裂树;提取样本在故障树中的叶子节点位置索引向量并进行特征编码重构,得到隐含故障信息的智能化表征;基于该表征矩阵,使用SVM等机器学习算法建立故障诊断模型,实现多故障模式的识别诊断;最后,以某驱动器的故障诊断为例对方法进行了验证,结果表明:与原始特征下的故障诊断模型相比,基于XGBo
其他文献
专业实践课程的设立在培养大学生创新创业能力、提升本科教学质量方面应该起到基础性的作用,应用型本科院校在学科专业设置和课程体系的安排上应该更加突出实践操作能力的重
针对新型材料2.5维碳纤维增强陶瓷基(Cf/SiC)复合材料采用传统机械加工难以去除加工的问题,采用纳秒激光烧蚀2.5维Cf/SiC复合材料,烧蚀后采用扫描电子显微镜观察其烧蚀孔洞形
复合铣削一般由多个旋转运动和多个移动复合而成。通过齐次变换矩阵法得到了复合铣削轨迹方程和复合铣削轨迹,探究了复合铣削轨迹对表面质量的影响,结果表明:复合铣削的包络
针对自动化生产线生产过程信息实时掌握困难、可视化程度低等问题,研究了面向中小型自动化生产线的可视化监控系统。通过对自动化生产线的可视化需求分析,设计了可视化监控系
目的:探讨并研究采用家庭病床服务模式对脑卒中恢复期患者进行护理的效果。方法:将2017年10月至2018年10月期间在鹤山市人民医院社区卫生服务中心接受康复治疗的50例脑卒中恢