基于极限学习机的机械设备故障诊断研究.pdf

智能处理与应用
Intelligent Processing and Application
DOI：.2095-
基于极限学****机的机械设备故障诊断研究
蔡光伟，李  扬，方  志，蒋遂平
（北京计算机技术及应用研究所，北京 100854）
摘  要 ：针对机械设备工况传感数据维度高、数据量大的特点，提出了一种基于极限学****机的故障诊断方法。
首先，将机械设备传感器收集到的数据进行规范化处理，并采用过采样方法解决样本数据类别不平衡的问题 ；其次，
通过预处理后的训练数据构建极限学****机模型，采用增量式方法确定隐层节点最佳数目。在气压系统数据集上的实
验结果表明，与其他机器学****方法相比，基于极限学****机的机械设备故障诊断方法在训练速率和故障查全率上更具
优越性。
关键词 ：极限学****机 ；过采样 ；隐层节点 ；故障诊断 ；神经网络 ；反向传播
中图分类号 ：TP39 文献标识码 ：A 文章编号 ：2095-1302（2020）04-0059-03
... N
0 引 言 (xi, ti)，xi=(xi1, xi2, , xiN) ∈ R ，g (x) 为激活函数。具有 个
隐含层节点的 SLFN 前向传播过程可以表示为 ：
随着计算机技术和物联网技术的快速兴起与蓬勃发展，
各类传感器已大量嵌入到机械设备中，用以实时采集设备运 N N
∑∑βββiigg()xwj =⋅βii()ijxo+ bi ==j ,,jN12,,⋅⋅⋅ （ 1）
行过程中的工况数据。如何有效利用传感器采集到的工况数