基于Bayesian学习的特征选择模型及其在轴承故障诊断中的应用

摘要：

本文提出一种基于Bayesian学习的混合特征选择模型,该模型融合三角距离和支持向量机算法,在故障诊断过程中同时实现特征选择和特征分类误差最小化.本文首先从理论上分析和推导了基于三角距离和支持向量机的特征选择模型与Bayesian 学习方法在理论上的一致性,在理论上采用Bayesian方法对新模型进行了重新表述,之后将提出的特征选择模型应用于轴承故障诊断并取得了良好效果.

关键词： 轴承机械 故障诊断 特征选择模型 Bayesian学习理论

作者: 陈刚 陈进 董广明 蒋慧明 王冉

作者单位: 上海交通大学 机械与动力工程学院,上海 200240

会议类型: 国内会议

会议名称: 2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014年全国设备诊断工程会议

会议地点: 秦皇岛

会议语种:中文

页码: 426-429

在线出版日期: 2014-08-01（万方平台首次上网日期，不代表论文的发表时间）