數(shù)控機床是制造之母,在現(xiàn)代制造業(yè)中起著至關重要的作用,機床發(fā)生故障時,若不能及時對故障進行準確地診斷,輕則引起產(chǎn)品質(zhì)量下降,重則影響生產(chǎn)進度,故及時發(fā)現(xiàn)并消除數(shù)控機床的故障是十分必要的。機床機械設備的故障診斷本質(zhì)上是一個模式識別的過程,傳統(tǒng)基于SVM故障診斷方法都是基于樣本均衡的前提條件下進行的,但是在現(xiàn)實生活中故障數(shù)據(jù)收集困難且體量較小,這就導致了數(shù)據(jù)集不平衡。針對數(shù)據(jù)集不平衡、樣本嚴重重疊以及噪聲干擾時SVM的診斷效果不佳的劣勢,本文在采樣算法方面研究了更適用于不平衡數(shù)據(jù)的采樣算法,在診斷方面,提出了一種基于不平衡數(shù)據(jù)分類方法的新型故障診斷方法,并以機床主軸軸承故障診斷為例進行了實驗驗證,驗證結果表明本文所提采樣算法和故障診斷方法可行有效,主要研究內(nèi)容如下:（1）以含有三個特殊點的人造數(shù)據(jù)集TD為例,通過SVM、RAMO-SVM、SMOTE-SVM、BSMOTE-SVM、ADASYN-SVM對其進行訓練;基于訓練結果,詳細地分析了RAMO、SMOTE、BSMOTE、ADASYN四種傳統(tǒng)過采樣算法的優(yōu)缺點;通過汲取四類傳統(tǒng)過采樣方式的優(yōu)點,提出了一種考慮信息量的過采樣（OCAI）算法... 

【文章來源】：貴州大學貴州省 211工程院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

基于數(shù)據(jù)驅動的故障診斷結構圖

本節(jié)引入如圖3.1 所示的一個二維不平衡數(shù)據(jù)集(test dataset,TD)，該數(shù)據(jù)集的基本參數(shù)為：特征數(shù)（Attributes）為 3，正負（少多數(shù)）類不平衡比（Unbalanced-ratio）為 25:105，正負類標簽（Labels）為 1/-1。為了探究特殊樣本對上述 4 種采樣方式的影響，該數(shù)據(jù)集含有三個特殊測試點 p4、p5、p6（其中，p4、p5 為正確的樣本點但位于正負類邊界中，p6為錯誤的樣本點，即可能因為人為錯誤等因素錄入錯誤的點），其在標準 SVM 分類器下的訓練結果如圖 3.2 所示,其中支持向量（support vecters）為 50（正類 25 個

圖 3.2 數(shù)據(jù)集 TD 在標準 SVM 分類器下的訓練結果同測驗數(shù)據(jù)集的傳統(tǒng)過采樣算法性能分析過采樣算法及其性能分析O 算法簡介樣算法（RAMO）技術就是通過不斷有放回地從少數(shù)類中到原始數(shù)據(jù)集中，最終達到數(shù)量上與多數(shù)類樣本的平衡。間極為有限而很容易導致過擬合。 RAMO-SVM 算法對 TD 進行采樣處理據(jù)集絕對平衡，本文首先需要利用 RAMO 算法對 TD 中少制 80 個樣本，然后將這 80 個樣本加入到 TD 數(shù)據(jù)集中， 分類器進行訓練，其訓練結果如圖 3.3 所示，其中支

【參考文獻】：
期刊論文
[1]基于不平衡數(shù)據(jù)樣本特性的新型過采樣SVM分類算法[J]. 黃海松,魏建安,康佩棟.  控制與決策. 2018(09)
[2]基于不平衡支持向量數(shù)據(jù)描述的故障診斷算法[J]. 韓志艷,王健.  計算機工程. 2017(05)
[3]完全互補小波噪聲輔助集總經(jīng)驗模態(tài)分解[J]. 何劉,丁建明,林建輝,劉新廠.  振動與沖擊. 2017(04)
[4]基于EEMD和自相關函數(shù)峰態(tài)系數(shù)的軸承故障診斷方法[J]. 劉永強,李翠省,廖英英.  振動與沖擊. 2017(02)
[5]改進LSSVM遷移學習方法的軸承故障診斷[J]. 陳超,沈飛,嚴如強.  儀器儀表學報. 2017(01)
[6]基于改進隨機梯度Boosting算法的軟測量建模[J]. 倉文濤,楊慧中.  化工學報. 2017(03)
[7]對樸素貝葉斯分類器的改進[J]. 李楚進,付澤正.  統(tǒng)計與決策. 2016(21)
[8]數(shù)據(jù)集不均衡下的設備故障程度識別方法研究[J]. 段禮祥,郭晗,王金江.  振動與沖擊. 2016(20)
[9]用于不平衡數(shù)據(jù)分類的模糊支持向量機算法[J]. 鞠哲,曹雋喆,顧宏.  大連理工大學學報. 2016(05)
[10]基于數(shù)據(jù)驅動的微小故障診斷方法綜述[J]. 文成林,呂菲亞,包哲靜,劉妹琴.  自動化學報. 2016(09)

博士論文
[1]基于免疫系統(tǒng)的不平衡數(shù)據(jù)分類方法研究[D]. 艾旭升.蘇州大學 2016
[2]基于神經(jīng)網(wǎng)絡的不平衡數(shù)據(jù)分類方法研究[D]. 楊澤平.華東理工大學 2015
[3]不均衡數(shù)據(jù)分類方法的研究[D]. 曹鵬.東北大學 2014

碩士論文
[1]基于支持向量機的不平衡數(shù)據(jù)分類算法研究[D]. 劉東啟.浙江大學 2017
[2]基于數(shù)據(jù)驅動的工業(yè)過程故障診斷方法研究[D]. 劉寶琪.大連海事大學 2016
[3]基于數(shù)據(jù)驅動的船舶旋轉機械故障診斷方法研究及應用[D]. 董晨辰.南京航空航天大學 2016



本文編號：2927802