西储大学轴承数据_基于熵值理论的西储大学轴承公开数据集基准研究

最新推荐文章于 2023-12-18 17:19:06 发布

weixin_39857174

最新推荐文章于 2023-12-18 17:19:06 发布

阅读量262

点赞数

文章标签：西储大学轴承数据

课题组在《IEEE Transactions on Reliability》上发表的“Entropy Based Fault Classification Using the Case Western Reserve University Data: A Benchmark Study” ，目前，被引用30次，入选ESI高被引论文。本文首次为基于熵值的滚动轴承智能诊断方法的建立了基准研究，为后续算法的研究指明了方向。

近年来，基于熵值的滚动轴承智能诊断方法取得了飞速的进展，大量基于不同熵值的机械学习算法被相继提出。由于各文献中使用的数据集、超参数、分类器的不同，导致研究者难以准确的对比各个算法的优劣，为后续的研究与改进带来了困难。为了使后续算法的研究更具有针对性，本文为基于熵值的滚动轴承智能诊断方法建立了基准研究，同时对西储大学(Case Western Reserve University)轴承实验数据集的可分性进行了深入研究，是对目前快速发展的熵值算法的一个及时补充。

本文使用西储大学轴承实验数据集，使用52种数据集划分策略，对三种常用熵值方法：样本熵(sample entropy)、模糊熵(fuzzy entropy)、排列熵(permutation entropy)，以及六种分类器：K临近(KNN) 、支持向量机(SVM)、逻辑回归 (LR)、前馈神经网络 (BPNN) 、极限学习机(ELM)、softmax 回归 (SR)进行了综合评估。最后，本文对熵值的优势与缺陷，西储大学轴承数据集的划分与使用，基于熵值的智能诊断算法的发展方向展开了讨论。通过这些工作，能够使熵值算法的对比更加公平和快速，引导研究者更深入地讨论仍然存在的问题，为使用西储大学轴承实验数据集进行新算法的测试提供指引。