齿轮故障诊断中的选择性集成技术

摘要：

齿轮故障数据的建模因为数据复杂有一定的挑战性.提出将选择性集成学习技术引入到该领域,并将聚类算法用于选择性神经网络集成学习技术.对已有的选择性集成学习技术进行改进,构建了一个基于聚类的选择性神经网络.应用实际数据进行实验,结果表明新算法提高了对齿轮故障诊断的精度,同时诊断效率比基于遗传算法的选择性神经网络集成算法有了显著提高.

关键词：聚类算法、集成学习、齿轮故障诊断

所属期刊栏目：12

分类号：TP181;TH132.4(自动化基础理论)

资助基金：国家自然科学基金资助项目60772006,60801048;上海市青年科技启明星计划项目B类QB081404100;上海高校选拔培养优秀青年教师科研专项基金资助项目sdj-07003;上海市教育委员会重点学科J51901

在线出版日期：2009-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：118-120,124