- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 563306 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174215
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
|
一种民航发动机滚动轴承故障预警方法 : J6 j/ Y' Y2 H+ l. Y6 r/ } H$ W
: N) {1 ?; G1 f2 ^" W w- s1 a2 x6 z
$ D% d' b1 G# Z, \* |7 ~为了提前感知滚动轴承故障,避免民用航空发动机非计划维护带来的损失,提出了一种故
. ?9 R Q5 G. H) \7 g: H/ P# _障预警方法。对轴承振动信号进行特征工程,提取其时域和频域特征,引入梯度提升决策树 (Gradient9 Q: s D; P+ E4 M5 V0 W) A; P
boosting decision tree,GBDT)算法,量化了特征重要度;在特征相关性分析的基础上,利用核主成分分
! S9 V. Z/ r! f, f# Q( d. Q" \; g" c析 (Kernel principal component analysis,KPCA) 方法实现特征融合与主元提取,再次结合GBDT构建了
9 q( d1 k" a5 M4 c故障预警模型;使用交叉验证法实现了模型泛化能力评估。结果表明:KPCA+GBDT模型的泛化性能显* R- D3 W! u4 _2 Z2 ^' t* H
著,模型的 F1分数高达0.991,对应的受试者工作特性 (Receiver operating characteristic,ROC) 曲线下
" b: r/ m, ^' |( h面积的值为0.998,体现出该方法用于支撑航空发动机健康管理与维护决策工作的工程应用价值。
% E9 b) o* w! F" t6 S9 j" u' _, ]/ Q3 b* T) T" L
3 z4 y% k# d; `3 H, }2 j: k; p
|
zan
|