典型文献
基于SelBagging算法的CFM56-7B发动机故障诊断
文献摘要：
针对Bagging算法中冗余的基学习器增加诊断程序消耗的现象,提出了一种SelBagging选择性集成学习算法,通过计算基学习器子集的Kohavi-Wolpert方差来衡量集成系统的多样性,并根据集成系统的多样性以及基学习器的分类性能来筛选出差异性大且分类性能好的基学习器子集进行集成.通过对处理后的发动机指印图故障标识数据进行建模分析,结果表明:SelBagging算法能够有效提高分类准确率,相比传统Bag-ging算法具有更好和更稳定的分类效果.最后,通过实际故障案例验证了SelBagging故障诊断模型能够较好地用于航空发动机的故障诊断.
文献关键词：
航空发动机;Bagging算法;选择性集成;Kohavi-Wolpert方差
中图分类号：
作者姓名：
曹惠玲;成宝荣
作者机构：
中国民航大学航空工程学院,天津 300300
文献出处：
引用格式：
[1]曹惠玲;成宝荣-.基于SelBagging算法的CFM56-7B发动机故障诊断)[J].中国民航大学学报,2022(06):18-23
A类：
SelBagging,选择性集成学习,Kohavi,Wolpert
B类：
CFM56,7B,基学习器,诊断程序,集成学习算法,子集,集成系统,分类性能,能来,出差,指印,识数,建模分析,分类准确率,更稳,分类效果,故障案例,故障诊断模型,航空发动机
AB值：
0.257931
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
