科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决滚动轴承故障数据失衡导致的训练模型诊断性能明显恶化及泛化性能较差等问题，提出一种过采样算法与时频域特征融合相结合的轴承故障诊断方法。采用边界合成过采样算法(Smote-Borderline)对少数类样本进行过采样生成虚拟样本，来减轻由于缺乏真实故障数据而造成的损失；采用双网络分别学习平衡数据中的时域、频域特征，再将提取到的特征进行融合，以提高特征代表性。实验结果表明，提出的诊断方法在不平衡故障诊断任务方面相较于其他方法具有更高的准确率和泛化性能。
-
单位太原科技大学; 电子信息工程学院
