基于自动机器学习的不平衡故障诊断方法

来源：计算机集成制造系统杂志2021年第10期北京时间：

作者：孙晨,文龙,李新宇,高亮,丛建臣

单位：1.华中科技大学数字制造装备与技术国家重点实验室2.中国地质大学(武汉)机械与电子信息学院3.山东理工大学机械工程学院

摘要：为了提升故障诊断模型在数据不平衡场景下的性能,提出一种基于贝叶斯优化的自动不平衡故障诊断方法。首先,构建了一种分层多模型的参数空间,探索重采样和分类器的算法组合选择和超参数优化;然后,使用基于树形结构Parzen估计器(TPE)的贝叶斯优化器进行模型的训练与优化,得到参数空间中最优的算法组合和超参数配置;最后使用最优配置模型在测试集上进行结果评估。将所提方法应用于UCI(university of California Irvine)不平衡标准数据集和滚动轴承数据集。实验通过设置多个不平衡比,对优化后的模型分类效果进行检验,并与传统的随机搜索方法进行对比。结果表明,所提方法更好地提升了模型在不平衡故障数据上的分类能力,且优化过程更加高效。

关键词：自动机器学习,数据不平衡,故障诊断,贝叶斯优化

基金资助：国家自然科学基金资助项目(51805192);湖北省科技重大专项资助项目(2020AEA009);数字与装备国家重点实验室开放资助项目(DMETKF2020029);山东省重点研发计划(重大科技创新工程和结转项目)资助项目(2019JZZY010445)。