基于Blending集成学习的多源信息液压系统多类故障诊断研究
Research on Multiclass Fault Diagnosis of Hydraulic Systems with Multiple Sources of Information Based on Blending Ensemble Learning作者机构：中海油能源发展采油服务分公司天津300456
出 版 物：《模具制造》 (Die & Mould Manufacture)
年 卷 期：2024年第24卷第2期
页 面：229-231页
学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置]
主 题：Blending集成学习 液压系统 故障诊断
摘 要：针对传统故障诊断方法准确性不高、耗时长问题,研究通过多个EfficientNet模型对传感器数据进行预训练,并使用XGBoost作为元学习器,提出了一种基于Blending集成学习的多源信息液压系统多类故障诊断方法。实验结果表明,各个子分类器在训练次数达到300次后趋于收敛,准确率均达到95%左右。该方法具有较高的准确性和鲁棒性,为液压系统故障诊断提供了一种有效的解决方案。
维普期刊数据库
同方期刊数据库