控制与决策

作者：马鑫,陈庆,柴榕敏,崔明亮,王友清

单位：北京化工大学 信息科学与技术学院,北京 100029,,北京化工大学 信息科学与技术学院,北京 100029,,北京化工大学 信息科学与技术学院,北京 100029,,山东科技大学 电气与自动化工程学院,山东 青岛 266590,,北京化工大学 信息科学与技术学院,北京 100029;山东科技大学 电气与自动化工程学院,山东 青岛 266590,

关键词：多标签学习;ML-KNN;复合故障;故障诊断;分级处理;相似性搜索

基金：国家自然科学基金项目(61822308)；山东省自然科学基金项目(JQ201812)；青岛市创业创新领军人才计划项目(19-3-2-4-zhc).

传统故障诊断方法大多是针对单一故障类型,然而在实际工业中多种故障会同时出现,即复合故障.针对复合故障诊断问题,一些学者引入多标签学习思想,多标签K近邻算法(ML-KNN)就是其中之一.然而ML-KNN算法作为一阶算法,只考虑标签与对应样本数据间的关系,却忽略了标签间的联系.针对该问题提出一种分级多标签学习算法,名为分层多标签K近邻算法(HML-KNN).HML-KNN算法将机械设备的退化阶段和故障类型分为两级,将第1级得到的标签信息进行转化,转化后的信息作为新特征放入第2级进行判断.HML-KNN算法是一种高阶算法,考虑了全局的标签信息,并在算法中包含了标签的特征转化,使得到的结果准确率更高.最后通过XJTU-SY数据集验证HML-KNN算法在处理复合故障诊断问题上的优越性.

来源：2022年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第7期