基于组合预测模型的小样本轴承故障分类诊断

来源 :计算机工程与科学 | 被引量 : 0次 | 上传用户：Q672855312

【摘要】

：

滚动轴承是旋转机械内常出现问题的重要部件,其故障情况复杂且难以诊断。基于小样本故障数据学习环境,针对小样本学习在提取真实特征值与目标特征值时有较大差异且泛化能力较弱的问题,提出一种采用半监督变分自编码器与LightGBM分类模型相结合的小样本学习模型LSVAE,并利用基于高斯过程的贝叶斯优化改进算法对LightGBM的超参数进行了优化处理,有效地解决了小样本学习性能不稳定,提取特征能力弱,过拟合等问题,并在凯斯西储大学发布的轴承实验数据集上进行了对比实验,结果表明LSVAE模型在面向小样本数据空间时有着更

【作者】

：

孙庞博符琦陈安华蒋云霞

【机构】

：

湖南科技大学计算机科学与工程学院

【出处】

：

计算机工程与科学

【发表日期】

：

2021年9期

【关键词】

：

滚动轴承故障诊断变分自编码器半监督学习 LightGBM 小样本数据

【基金项目】

：

国家重点研发计划(2018YFB1702602),国家自然科学基金(61402167,6177219),湖南省教育厅科技重点项目(19A174),湖南省自然科学基金(2018JJ2139)。

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于量化行为的异构数据库强制访问控制方法

传统方法在进行异构数据库强制访问控制时,未有效控制授权时间,存在系统占用率过高、访问控制准确性差、授权正确率问题。提出一种量化行为的异构数据库强制访问控制方法解决以上问题。建立用户访问权限关系,根据用户内部角色初步判断是否允许操作;采用量化行为方法对用户的信任度与用户行为的信任度进行量化,定量主体行为属性,并评价访问情况的安全等级,实现了异构数据库强制访问控制。实验结果表明,此次研究的异构数据库强

期刊

量化行为异构数据库强制访问控制授权

结合BERT和BiSRU-AT的中文文本情感分类

针对传统语言模型的词向量表示无法解决多义词表征的问题,以及现有情感分析模型不能充分捕获长距离语义信息的问题,提出了一种结合BERT和BiSRU-AT的文本情感分类模型BERT-BiSRU-AT。首先用预训练模型BERT获取融合文本语境的词向量表征;然后利用双向简单循环单元(BiSRU)二次提取语义特征和上下文信息;再利用注意力机制对BiSRU层的输出分配权重以突出重点信息;最后使用Softmax激励函数得出句子级别的情感概率分布。实验采用中文版本的推特数据集和酒店评论数据集。实验结果表明,结合BERT和B

期刊

文本情感分析语义特征注意力机制双向简单循环单元双向解码器

基于组合预测模型的小样本轴承故障分类诊断

其他学术论文