少量样本下基于PCA-BNs的多故障诊断

作     者：王进花 马雪花 岳亮辉 安永胜 曹洁 WANG Jinhua;MA Xuehua;YUE Lianghui;AN Yongsheng;CAO Jie

作者机构：兰州理工大学电气工程与信息工程学院兰州730050 甘肃工业过程先进控制重点实验室兰州730050 兰州理工大学电气与控制工程国家实验教学中心兰州730050 甘肃华成建筑安装工程有限责任公司兰州730070 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2024年第43卷第4期

页      面：288-296页

核心收录：

学科分类：08[工学] 080401[工学-精密仪器及机械] 080203[工学-机械设计及理论] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(61763028,62063020) 甘肃省自然科学基金项目(20JR5RA463) 

主　　题：工业设备 故障诊断 时序信号 贝叶斯网络 

摘      要：针对一些工业设备因有标签故障样本数据少而导致诊断准确率低的问题,提出了一种PCA-BNs主成分分析和斯网络(principal component analysis-Bayesian networks, PCA-BNs)结合的多故障网络模型的建模方法。通过PCA对时序信号进行降维,得到相互独立的故障特征,提高提取故障关键信息的能力;利用融合单故障贝叶斯网络构建多故障贝叶斯网络结构的方法,解决BN建模过程耗时的问题;通过高斯分布与极大似然估计结合的方法确定网络参数,提高少量数据BN建模的精度,实现在少量样本下的故障诊断。试验结果表明,基于PCA-BNs的故障诊断方法在少量样本条件下,能实现高精度的故障诊断,并且有效缩减了算法运行时间。