【作者】

李伟真; 商蕾; 邱天; 汪敏

【单位】

武汉理工大学船舶与能源动力工程学院

【摘要】

针对当训练数据不平衡时，使用深度学习提取的故障特征不准确诊断效果差的问题，提出将集成学习理论结合深度置信网络构建一套柴油机故障诊断方法。首先选取了Adaboost-M2作为集成学习生成方法；然后用麻雀搜索算法确定出在不同终止适应度下的不同初始化超参数分布的DBN模型；再以不同的DBN模型作为基分类器进行集成学习，得到集成Ada-DBN模型。最后分析了分类器数量对集成学习后的模型诊断性能的影响。实验结果表明，Ada-DBN模型在保证平衡数据下的诊断能力的同时提高DBN模型在不平衡数据下的泛化能力，是一种适用于实际的故障诊断方法。

【关键词】

船舶柴油机；不平衡数据；故障诊断；DBN；集成学习

【论文集名称】

高强化材料与结构技术

【会议名称】

设计与智能制造2022学术年会

【会议时间】

2022-11-24至2022-11-27

【会议地点】

长沙

【下载次数】

1

返回