[1]王振亚,刘 韬,王廷轩,等.不平衡技术在轴承故障诊断中的应用[J].机械与电子,2021,(06):29-34.
　WANG Zhenya,LIU Tao,WANG Tingxuan,et al.Application of Unbalance Technique in Bearing Fault Diagnosis[J].Machinery & Electronics,2021,(06):29-34.
点击复制

不平衡技术在轴承故障诊断中的应用()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2021年06期
页码:
29-34
栏目:
机电一体化技术
出版日期:
2021-06-23

文章信息/Info

Title:
Application of Unbalance Technique in Bearing Fault Diagnosis
文章编号:
１００１-２２５７ ( ２０２１ ) ０６-００２９-０６
作者:
王振亚; 刘 韬; 王廷轩; 杨永灿
昆明理工大学机电工程学院,云南 昆明 ６５０５００
Author(s):
WANG Zhenya ;  LIU Tao ;  WANG Tingxuan ;  YANG Yongcan
( Faculty of Mechanical and Electrical Engineering , Kunming University of Science and Technology , Kunming ６５０５００ , China)
关键词:
数据不平衡; SMOTE ; 高斯混合模型; 滚动轴承; 故障诊断
Keywords:
unbalanced data ;  SMOTE ;  Gaussian mixture model ;  rolling bearing ;  fault diagnosis
分类号:
TH１３３.3
文献标志码:
A
摘要:
为解决实际工程环境中因轴承故障数据缺失引起的数据不平衡,进而影响模型诊断的问题,提出了不平衡数据处理技术在轴承故障诊断中的应用,即使用少量数据,训练出一个能够诊断多种轴承故障的模型.针对不同种类故障数据的边界混淆及类内不平衡,首先对少数类样本进行高斯混合模型( GMM )聚类,根据簇密度分布函数使用 GMM-SMOTE 进行权重采样,然后针对边界混淆问题使用 Tomek’s Link 数据清洗技术进行边界混淆样本数据清洗,形成类内类间平衡的数据集,结合超参数优化的支持向量机(SVM )模型进行诊断分析.实验结果表明,该方法效果良好,在轴承的故障诊断中有较好的实际工程意义和推广性.
Abstract:
In order to solve the problem that the data imbalance caused by the missing of bearing fault data in actual engineering environment affects the model diagnosis , the application of unbalanced data processing technology in bearing fault diagnosis is proposed , that is , using a small amount of data , training a model that can diagnose multiple bearing faults．In order to solve the boundary confusion and intra-class imbalance of different kinds of fault data , Gaussian mixture model ( GMM ) was used to cluster a few samples , and GMM-SMOTE was used for weight sampling according to the cluster density distribution function．Then , Tomek ’s Link data cleaning technology was used to clean the boundary confusion sample data．The data set? of intra-class equilibrium was formed ,and the diagnosis analysis was carried out with the support vector machine ( SVM ) model optimized by hyperparameter．The experimental results show that this method is effective and has good practical engineering significance and generalization in bearing fault diagnosis．

参考文献/References:

[１] 仇学青,张鑫 ． 滚动轴承故障诊断研究的国内现状与发展方向[J ] ． 煤矿机械, ２００７ , ２８ ( ６ ): ６-８．

[２] 范雨强,崔晓钰,韩华,等 ． 不平衡数据技术在冷水机组故障诊断中的应用[J ] ． 工程热物理学报, ２０１９ , ４０ ( ６ ):１２１９-１２２８．
[３] 张雪英,栾忠权,刘秀丽 ． 基于深度学习的滚动轴承故障断研究综述[J ] ． 设备管理与维修, ２０１７ ( １８ ): １３０-１３３．
[４] 向鸿鑫,杨云 ． 不平衡数据挖掘方法综述[ J ] ． 计算机工程与应用,２０１９ , ５５ ( ４ ): １-１６．
[５] 石洪波,陈雨文,陈鑫 ． SMOTE 过采样及其改进算法研究综述[J ] ． 智能系统学报, ２０１９ , １４ ( ６ ): １０７３-１０８３．
[６] CHAWLA N V , BOWYER K W , HALL L O , et al．SMOTE : synthetic minority over-sampling technique[J ] ．Journal of artificial intelligence research , ２００２ , １６(１ ): ３２１-３５７．
[７] DEVI D , BISWAS S K , PURKAYASTHA B．Redundancy-driven modified Tomek-link based undersampling : a solution to class imbalance [ J ] ．Pattern recognition letters , ２０１７ , ９３ : ３-１２．
[８] 李艳霞,柴毅,胡友强,等 ． 不平衡数据分类方法综述[J ] ． 控制与决策, ２０１９ , ３４ ( ４ ): ６７３-６８８．
[９] 马义德,朱望飞,安世霞,等 ． 改进的基于高斯混合模型的运动目标检测方法[J ] ． 计算机应用, ２００７ , ２７ ( １０ ):２５４４-２５４６ , ２５４８．
[１０] 王圆方 ． 基于层次聚类改进 SMOTE 的过采样方法[J ] ． 软件, ２０２０ , ４１ ( ２ ): ２０１-２０４．
[１１] 李艳双,曾珍香,张闽,等 ． 主成分分析法在多指标综合评价方法中的应用[J ] ． 河北工业大学学报, １９９９ ,２８ ( １ ): ９４-９７．
[１２] 张健沛,徐华 ． 支持向量机( SVM )主动学习方法研究与应用[J ] ． 计算机应用, ２００４ , ２４ ( １ ): １-３．
[１３] 杨健,杨静宇,叶晖 ．Fisher 线性鉴别分析的理论研究及其应用[J ] ． 自动化学报, ２００３ , ２９ ( ４ ): ４８１-４９３．

备注/Memo

备注/Memo:
收稿日期: ２０２１-０１-２２
基金项目:国家自然科学基金资助项目( ５２０６５０３０ );中央引导地方科技发展资金资助项目(２０２００７AC１１０００１ )
作者简介:王振亚 (１９９６－),男,山东德州人,硕士研究生,研究方向为数据不平衡条件下的轴承故障诊断;刘 韬 (１９８０－),男,云南昆明人,副教授,研究方向为设备状态监测与健康评估、机器学习在信号处理中的应用等,通信作者.
更新日期/Last Update: 2021-06-21