摘要:
提出了改进性自适应过采样技术(improved adaptive oversampling technique,IAOTE)。该技术融合自适应噪声处理策略(noise-immunity,NI)与改进自适应半监督加权过采样机制(improving adaptive semi-unsupervised weighted oversampling,IA-SUWO),首先利用NI策略对糅杂不均衡数据进行去噪,随后采用K均值聚类算法处理去噪数据以识别聚类边界样本,并嵌入IA-SUWO机制合成新样本。进而,本文将IAOTE与最小二乘支持向量机(least squares support vector machines,LS-SVM)分类器集成,构建故障诊断框架,确保分类可解释性并集成参数优化机制。实验表明:在20个诊断实例中,IAOTE的敏感性(sensitivity)指标最高达到99.76%,几何平均(G-mean)指标最高达到99.25%,F值(F-measure)指标最高达到99.42%,受试者操作曲线下的面积(AUC)指标最高达到99.26%,且累积误差值最低,其更适用于糅杂不均衡小样本下转子早期故障诊断。
王佳欣, 魏建安, 黄海松, 等. IAOTE:一种糅杂不均衡小样本下转子自适应故障诊断方法[J]. 航空动力学报, 2025, 40(4):20240507. doi: 10.13224/j.cnki.jasp.20240507.