文献类型：期刊文章

作　　者：刘东川[1] 邓艾东[1] 赵敏[1] 卞文彬[1] 许猛[1]

LIU Dongchuan;DENG Aidong;ZHAO Min;BIAN Wenbin;XU Meng(National Engineering Research Center of Turbo-Generator Vibration,School of Energy and Environment,Southeast University,Nanjing 210096,China)

机构地区：[1]东南大学能源与环境学院火电机组振动国家工程研究中心

出　　处：《振动与冲击》

基　　金：国家自然科学基金(51875100);中央高校基本科研业务费专项资金(3203002101C3)。

年　　份：2022

卷　　号：41

期　　号：21

起止页码：19-27

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了解决深度神经网络受限于超参数和数据量问题,提出一种改进的深度森林模型,实现旋转机械故障的高效诊断。首先利用多粒度扫描环节对初始输入数据进行特征提取得到概率特征,然后在与多粒度扫描层级联的地方添加stacking层对输入数据进行相应的特征提取工作,最后将经过多粒度扫描和stacking层处理后的数据输入到级联森林中得到分类结果。试验结果表明,改进的深度森林模型故障诊断准确率为99.59%和98.05%,且优于常用的故障诊断模型。

关 键 词：故障诊断 深度学习  深度森林  STACKING

分 类 号：TH133.33]