基于PCA特征優(yōu)選和AdaBoost集成學習的齒輪箱油品狀態(tài)識別方法

摘要： 針對傳統(tǒng)齒輪箱油液分析方法存在的精度低和泛化能力有限的問題，提出一種基于PCA特征優(yōu)選和AdaBoost集成學習的齒輪箱油品狀態(tài)識別方法。首先，通過箱型圖和smote插值對油液多參量數(shù)據(jù)進行清洗以提高油液數(shù)據(jù)的質(zhì)量；其次，采用PCA進行油品特征優(yōu)選，獲取有助于識別的油品特征優(yōu)選子集，在有效融合油液多參量信息的同時，可顯著降低模型運行的時間復雜度；然后，利用BP神經(jīng)網(wǎng)絡建立油品狀... （共11頁）