| 
  中国学术期刊网络出版总库
  关闭
基于Lasso与RFE特征消除的RVM旋转机械故障预测  
   推荐 CAJ下载 PDF下载
【英文篇名】 Fault prediction of RVM rotating machinery based on Lasso and RFE feature elimination
【下载频次】 ★★★★★
【作者】 张媛媛; 原思聪; 郭田奇;
【英文作者】 ZHANG Yuanyuan; YUAN Sicong; GUO Tianqi; School of Mechanical and Electrical Engineering; Xi'an University of Architecture and Technology; School of Statistics; Lanzhou University of Finance and Economics;
【作者单位】 西安建筑科技大学机电工程学院; 兰州财经大学统计学院;
【文献出处】 计算机工程与应用 , Computer Engineering and Applications, 编辑部邮箱 2018年 08期  
期刊荣誉：中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 旋转机械; 相关向量机; 故障诊断; 特征消除;
【英文关键词】 rotating machinery; correlation vector machine; fault diagnosis; feature elimination;
【摘要】 针对旋转机械故障诊断问题,提出一种基于相关向量机(RVM)的故障检测方法,RVM是一种用于回归和分类问题的贝叶斯稀疏核方法,其突出的优势是模型的稀疏性和预测的概率性。为进一步提高RVM模型的鲁棒性,减小样本数据中异常值对预测值的影响,针对Lasso方法进行特征选择时无法去除冗余特征的问题,提出以Lasso为底层算法的RFE递归特征消除方法去除样本数据集中无关特征和冗余特征。最后以工业环境下采集的数据作为样本集进行实验,同传统算法进行了比较,结果表明该方法在保持较高检测率的同时,提高了故障预测的时效性和稳定性。
【英文摘要】 To solve the problem of rotating machinery fault diagnosis, a method based on correlation vector machine(RVM)is proposed, which is a Bayesian sparse kernel method for regression and classification. The prominent advantage of RVM is the sparseness of the model and the probability of prediction. In order to improve the robustness of RVM and reduce the influence of outliers on the predicted value, and solve the problem that the redundant feature can not be removed when Lasso method is used for feature selectio...
【基金】 国家“十二五”科技支撑计划重点项目(No.2011BAJ02B02-02); 陕西省科技攻关项目(No.2011K10-18); 陕西省自然科学基金(No.2007E218)
【更新日期】 2018-05-07
【分类号】 TH17
【正文快照】 1引言旋转机械是工业生产的直接驱动力,是石油、矿山、电力等重要生产部门中的关键生产工具[1],准确及时地预测相关故障,对保障机械系统安全运行、降低维修成本、提高经济效益和社会效益、减少或避免重大灾难性事故具有非常重要的意义[2]。目前应用于旋转机械故障诊断的方法主?

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　 机械、仪表工业
　　 机械运行与维修
  
 
  CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司
其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）
京ICP证040431号    互联网出版许可证 新出网证（京）字008号