-
题名基于深度随机神经网络集成的滚动轴承故障诊断
- 1
-
-
作者
郑凯
周鹏
张成龙
-
机构
茅台学院自动化系
贵州大学机械工程学院
香港中文大学(深圳)数据科学学院
-
出处
《组合机床与自动化加工技术》
北大核心
2025年第7期141-144,152,共5页
-
基金
国家重点研发计划项目(2020YFB1713300)
贵州省科技计划项目(黔科合基础ZK[2023]一般450)
遵义市科技计划项目(遵市科合HZ字[2022]172号)。
-
文摘
宽度学习系统(broad learning system,BLS)是一种随机化学习架构,能够通过对输入数据进行多次特征映射并增强,保障随机神经网络的学习性能。为提高轴承故障诊断精度,基于BLS架构,提出来一种面向滚动轴承故障诊断的深度随机神经网络集成模型(deep random neural networks ensemble,DRNNE)。首先,DRNNE借鉴BLS特征映射方式生成映射节点,并将映射节点进行多次特征增强构建基础学习器;然后,利用集成学习融合多个基础学习器诊断结果,以提升模型泛化性能;最后,基于凯斯西储大学轴承数据进行了实验分析,提出模型相比于宽度学习系统(broad learning system,BLS)、随机向量函数链接神经网络(random vector functional link neural network,RVFL)、随机向量函数链接神经网络集成(random vector functional link neural networks ensemble,RVFLE)、深度置信网络(deep belief net,DBN)、支持向量机(support vector machine,SVM)模型具有更高的分类性能。
-
关键词
故障诊断
深度随机神经网络
集成学习
深度学习
宽度学习系统
-
Keywords
fault diagnosis
deep random neural networks
ensemble learning
deep learning
broad learning system
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TG66
[金属学及工艺—金属切削加工及机床]
-
