基于极限学习机的机械设备故障诊断研究  

作　　者：蔡光伟 李扬 方志 蒋遂平[1] 

机构地区：[1]北京计算机技术及应用研究所,北京100854

出　　处：《物联网技术》2020年第4期59-61,共3页Internet of things technologies

基　　金：国家CPS设备预先研究项目(31511020401)。

摘　　要：针对机械设备工况传感数据维度高、数据量大的特点,提出了一种基于极限学习机的故障诊断方法。首先,将机械设备传感器收集到的数据进行规范化处理,并采用过采样方法解决样本数据类别不平衡的问题;其次,通过预处理后的训练数据构建极限学习机模型,采用增量式方法确定隐层节点最佳数目。在气压系统数据集上的实验结果表明,与其他机器学习方法相比,基于极限学习机的机械设备故障诊断方法在训练速率和故障查全率上更具优越性。

关 键 词：极限学习机 过采样 隐层节点 故障诊断 神经网络 反向传播 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]