Combined flow graphs and normal naive Bayesian classifier for fault diagnosis of gear box
Combined flow graphs and normal naive Bayesian classifier for fault diagnosis of gear box
复制标题
组合流程图和普通朴素贝叶斯分类器用于齿轮箱故障诊断
DOI：
10.1177/0954406215575582
复制
发表时间：
2016-02
期刊：
影响因子：
--
通讯作者：
Xuezeng Zhao
中科院分区：
文献类型：
--
作者：
JunYu;Wentao Huang;Xuezeng Zhao
为了提高齿轮箱故障诊断的直观性、效率和准确性，提出了一种基于流图和正态朴素贝叶斯分类器的齿轮箱故障诊断方法。在该方法中，利用流图来表示故障症状与齿轮状态之间的关系。在普通朴素贝叶斯分类器中，采用层约简算法剔除冗余和不相关的属性层，得到减少输入节点数的最小流图。根据最小流图构造正态朴素贝叶斯分类器，得到分类结果。为了验证所提出的方法，在某齿轮箱钻机上进行了实验。实验结果表明，该方法结合了流图和正态朴素贝叶斯分类器的优点，为设计高性能的齿轮箱故障诊断模型提供了一条新途径。
In order to improve the intuition, efficiency, and accuracy of fault diagnosis of gear box, a novel fault diagnosis method based on flow graphs and normal naive Bayesian classifier is proposed in this paper. In the proposed method, flow graphs are utilized to represent the relationship between fault symptoms and gear conditions. The algorithm of layer reduction is employed to eliminate the redundant and irrelevant attribute layers to obtain the minimal flow graph for reducing the number of input nodes in normal naive Bayesian classifier. The normal naive Bayesian classifier is constructed according to the minimal flow graph to obtain classification results. To verify the proposed method, an experiment is carried out to apply this method to a gear box rig. The experiment results demonstrate that the proposed method combining the advantages of flow graphs and normal naive Bayesian classifier provides a new way to design high-performance models for fault diagnosis of gear box.
登录
查看更多内容
DOI：
10.1007/978-3-319-99368-3
发表时间：
2018-10
期刊：
--
影响因子：
--
作者：
R. Efendi;Voni Apriana Dewi;Rahmadeni;Sri Basriati;Dadang Syarif
通讯作者：
R. Efendi;Voni Apriana Dewi;Rahmadeni;Sri Basriati;Dadang Syarif
影响因子：
8.5
作者：
Lei, Yaguo;Zuo, Ming J.;Zi, Yanyang
通讯作者：
Zi, Yanyang
DOI：
10.1016/j.eswa.2007.08.026
发表时间：
2008-10
期刊：
Expert Syst. Appl.
影响因子：
--
作者：
N. Saravanan;V.N.S. Kumar Siddabattuni;K. I. Ramachandran
通讯作者：
N. Saravanan;V.N.S. Kumar Siddabattuni;K. I. Ramachandran
DOI：
10.1016/j.knosys.2012.12.003
发表时间：
2013-04
期刊：
Knowl. Based Syst.
影响因子：
--
作者：
Peng Fei Zhu;Q. Hu
通讯作者：
Peng Fei Zhu;Q. Hu
DOI：
10.1016/s1571-0661(04)80700-x
发表时间：
2003-03
期刊：
--
影响因子：
--
作者：
Z. Pawlak
通讯作者：
Z. Pawlak