基于多标签学习的旋转机械分级复合故障诊断

摘要：

传统故障诊断方法大多是针对单一故障类型,然而在实际工业中多种故障会同时出现,即复合故障.针对复合故障诊断问题,一些学者引入多标签学习思想,多标签K近邻算法(ML-KNN)就是其中之一.然而ML-KNN算法作为一阶算法,只考虑标签与对应样本数据间的关系,却忽略了标签间的联系.针对该问题提出一种分级多标签学习算法,名为分层多标签K近邻算法(HML-KNN).HML-KNN算法将机械设备的退化阶段和故障类型分为两级,将第1级得到的标签信息进行转化,转化后的信息作为新特征放入第2级进行判断.HML-KNN算法是一种高阶算法,考虑了全局的标签信息,并在算法中包含了标签的特征转化,使得到的结果准确率更高.最后通过XJTU-SY数据集验证HML-KNN算法在处理复合故障诊断问题上的优越性.

关键词：多标签学习、ML-KNN、复合故障、故障诊断、分级处理、相似性搜索

所属期刊栏目：37

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金;山东省自然科学基金;青岛市创业创新领军人才计划项目

在线出版日期：2022-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1772-1778