面向不平衡样本集的变速器故障分类判别算法研究  

Research on Unbalanced Data Set for Transmission Fault Classification

作　　者：周晓锋[1] 史海波[1] 尚文利[1] 高明山[2] 

机构地区：[1]中国科学院沈阳自动化研究所,沈阳110016 [2]东风朝阳柴油机有限责任公司信息中心,辽宁朝阳122000

出　　处：《小型微型计算机系统》2013年第7期1708-1712,共5页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(60904047)资助;国家自然科学基金项目(61164012)资助;辽宁省科技攻关项目(2011020085-301)资助

摘　　要：针对变速器新产品故障检测问题,提出以阶次分析进行故障特征提取和支持向量机分类器进行故障分类的方法.通过建立二层支持向量机分类判别模型和对惩罚因子C的调整,解决了在训练样本集不平衡的情况下标准支持向量机分类器的分类面偏向样本数量较多类别的问题.通过对现场数据的实验结果表明,该方法的故障识别率和运行时间比BP神经网络和标准支持向量机算法均有较大提高.In order to solve the fault detection problem of new transmission products,this paper presents a method of fault feature extraction by order analysis and fault classification by support vector machine（SVM） classifier.The establishment of the tw o-layer SVM discriminant model and the adjustment of the penalty factor C solve the problem of imbalance in the training sample set w hich leads to get w rong classicification results.The experimental result of field data show s that the fault identification rate and run time of the method are greatly improved than BP neural netw ork and standard SVM algorithm.

关 键 词：变速器 故障诊断 阶次分析 支持向量机 不平衡数据集 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]