-
题名基于偏正态混合模型的齿轮故障分类
- 1
-
-
作者
毛锦进
肖涵
易灿灿
鲁志文
-
机构
武汉科技大学冶金装备及其控制教育部重点实验室
武汉科技大学机械传动与制造工程湖北省重点实验室
武汉科技大学精密制造研究院
-
出处
《组合机床与自动化加工技术》
北大核心
2023年第3期104-108,共5页
-
基金
国家自然科学基金(51905388,51805382)。
-
文摘
工业现场的振动信号往往混杂有较大的噪音,且表征故障状态的数据量偏少,导致设备状态特征提取困难,识别效果差。统计学习从概率密度角度建立状态数据的模型,对数据量的要求相对较小,对于噪音具有较好的鲁棒性,但对概率密度函数的合理性与准确性要求较高。首先,分析了偏正态混合模型对于真实偏斜数据的优良拟合性能,并将其拓展到分类应用中,并提出了偏正态混合模型与去趋势波动分析相结合的齿轮故障分类方法,该方法利用了齿轮振动信号的双标度特性和偏正态混合模型描述具有非对称结构的概率密度分布的能力,因此具有更好的柔性。齿轮故障实测实验得到混淆矩阵的四种分类指标,与基于高斯混合模型和概率神经网络分类算法相比,具有更好的分类效果,这表明了所提出的方法的有效性。
-
关键词
偏正态混合模型
趋势波动分析
去趋势波动分析
概率神经网络
混淆矩阵
-
Keywords
detrended fluctuation analysis
skewed normal mixture model
gaussian mixture model
probabilistic neural network
confusion matrix
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
-
题名偏正态混合模型的惩罚极大似然估计
被引量：1
- 2
-
-
作者
金立斌
许王莉
朱利平
朱力行
-
机构
上海立信会计金融学院统计与数学学院
中国人民大学统计学院
中国人民大学统计与大数据研究院
香港浸会大学数学系
北京师范大学统计学院
-
出处
《中国科学：数学》
CSCD
北大核心
2019年第9期1225-1250,共26页
-
基金
国家自然科学基金(批准号:11801370,11471335,11731011和11671042)
上海市自然科学基金(批准号:18ZR1427200)
上海立信会计金融学院统计学一级学科(批准号:17TS001)资助项目
-
文摘
在分析具有异质性和非对称性数据时,偏正态混合模型提供一种比经典的Gauss混合模型更为灵活的建模方式.然而,由于无界的似然函数和发散的形状参数,该模型的极大似然估计并未被正确定义,进一步导致不理想的推断过程.为同时解决这两个问题,本文基于惩罚似然提出一种新的估计方案,并证明在混合分布的类别个数大于或等于真实的类别个数时,相应的惩罚极大似然估计是强相合的.同时,本文也提出相应的惩罚EM (expectation maximization)算法来计算惩罚估计.最后,通过模拟分析与现有方法比较研究估计方法在有限样本下的表现,并采用两个实例说明方法的有效性.
-
关键词
似然退化
边界估计
偏正态混合模型
惩罚极大似然估计
强相合性
-
Keywords
likelihood degeneracy
boundary estimator
skew normal mixtures
penalized MLE
strong consistency
-
分类号
F12
[经济管理—世界经济]
-
