箱型圖與特征融合模型在輪對軸承標(biāo)簽混淆數(shù)據(jù)分類中的應(yīng)用

打開文本圖片集

摘要： 深度學(xué)習(xí)方法在列車輪對軸承故障診斷領(lǐng)域表現(xiàn)出了巨大的潛力，但其可以有效實現(xiàn)的前提是各類數(shù)據(jù)與類別標(biāo)簽之間能夠正確匹配，對于含有少量標(biāo)簽錯誤樣本的數(shù)據(jù)，傳統(tǒng)深度學(xué)習(xí)方法難以實現(xiàn)預(yù)期的診斷效果。針對此問題，提出了一種箱型圖法與特征融合模型相結(jié)合的故障診斷方法。利用列車輪對軸承實驗數(shù)據(jù)對所提方法進(jìn)行驗證，結(jié)果表明，相比于直接利用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行故障診斷，本文所提方法的診斷準(zhǔn)確率更高，說明本文方法對于含有少量標(biāo)簽錯誤樣本的軸承數(shù)據(jù)具有更好的處理效果。（剩余15516字）