Noise and Vibration Control ›› 2024, Vol. 44 ›› Issue (2): 95-101.

Previous Articles     Next Articles

Application of Deep Hyperdisk Large Margin Classifier in Rotating Machinery Fault Diagnosis

  

  • Received:2022-09-28 Revised:2023-02-10 Online:2024-04-18 Published:2024-04-08

深度超圆盘分类器及其在旋转机械故障诊断中的应用

杨岸端1, 2, 吴占涛1, 2, 袁毅3, 杨宇1, 2   

  1. ( 1. 湖南大学机械与运载工程学院,长沙410082;
    2. 湖南大学装备服役质量保障湖南省重点实验室,长沙410082;
    3. 中国兵器工业集团江山重工研究院有限公司,湖北襄阳441057 )

摘要: 几何模型分类器具有坚实的几何统计基础和良好的泛化能力,因此在旋转机械故障诊断中取得了较高的分类精度。与仿射包和凸包相比,超圆盘(Hyperdisk,HD)对样本分布区域的估计更加合理。但超圆盘模型属于浅层学习模型,对复杂函数的表示能力有限,存在学习能力和泛化能力差等缺点。针对这个问题提出一种深度超圆盘分类器(Deep Hyperdisk Large Margin Classifier,DHD),该方法通过模块叠加的方式将超圆盘分类器深度化,利用特征提取公式从每层模块的输入样本中自主提取新的特征值,并将其应用在下一层模块的训练学习中。将所提方法应用到旋转机械故障诊断当中,实验结果表明该方法对故障样本的分类准确率高于其他模型算法,且对不均衡样本和强噪声背景下的故障样本均具有良好的分类能力。

关键词: 故障诊断, 深度超圆盘分类器, 深度学习, 旋转机械