Manifold assistant multi-modal multi-objective differential evolution algorithm and its application in actual rolling bearing fault diagnosis

计算机科学 断层(地质) 特征选择 帕累托原理 特征(语言学) 情态动词 算法 人口 特征向量 差异进化 可靠性(半导体) 集合(抽象数据类型) 歧管(流体力学) 人工智能 数据挖掘 数学优化 数学 工程类 功率(物理) 社会学 量子力学 人口学 哲学 地震学 地质学 化学 高分子化学 程序设计语言 物理 语言学 机械工程
作者
Xiongyan Yang,Xianfeng Yuan,Lin Dong,Xiaoxue Mei,Ke Chen
出处
期刊:Engineering Applications of Artificial Intelligence [Elsevier]
卷期号:133: 108040-108040 被引量:4
标识
DOI:10.1016/j.engappai.2024.108040
摘要

The fault diagnosis of rotating mechanical systems is crucial for ensuring the reliability of industrial equipment. In actual industrial scenarios, different combinations of fault features may yield the same diagnostic accuracy, but the difficulty and cost of obtaining different features generally vary. Therefore, in the feature extraction process, if multiple optimal feature combinations can be provided to decision-makers, it would be beneficial to select the feature subsets with lower computational cost or measurement difficulty that achieve the same fault diagnosis performance. Therefore, we model the fault feature selection task as a multi-modal multi-objective optimization problem (MMOP). To better solve MMOPs, a manifold assistant multi-modal multi-objective differential evolution (MA-MMODE) algorithm is proposed. It can establish a regularity model based on the distribution of the population to generate offspring and approximate the true Pareto set. Subsequently, this paper presents a preselection strategy that considers the distributions of both the decision space and objective space. The proposed preselection strategy can ensure that individuals with more promising solutions enter the mating pool to generate new offspring, thus exploring the search space more comprehensively. Using the CEC 2019 test set, the proposed MA-MMODE is compared with state-of-the-art algorithms, and the experimental results illustrate the effectiveness of the proposed algorithm. Moreover, based on two real rolling bearing testbeds, the proposed MA-MMODE is applied for feature selection in actual fault diagnosis. The experimental results show that the proposed MA-MMODE can provide multiple equivalent feature subsets to decision-makers while effectively improving the fault diagnosis accuracy for rolling bearings.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
晨珂完成签到,获得积分10
3秒前
hhh2018687完成签到,获得积分10
11秒前
江流有声完成签到 ,获得积分10
12秒前
雪妮完成签到 ,获得积分10
17秒前
nnnd77完成签到,获得积分10
19秒前
琦qi完成签到 ,获得积分10
20秒前
熊二完成签到,获得积分10
27秒前
lwtsy完成签到,获得积分10
33秒前
净禅完成签到 ,获得积分10
41秒前
小马甲应助单身的靖仇采纳,获得20
43秒前
山城完成签到 ,获得积分10
45秒前
ocean完成签到,获得积分10
48秒前
满意代亦完成签到 ,获得积分10
50秒前
zhaoyang完成签到 ,获得积分10
52秒前
一程完成签到 ,获得积分10
59秒前
无心的秋珊完成签到 ,获得积分10
59秒前
香菜皮蛋完成签到 ,获得积分10
1分钟前
lisu发布了新的文献求助10
1分钟前
苏青舟完成签到 ,获得积分10
1分钟前
ccc完成签到 ,获得积分10
1分钟前
mailgo完成签到,获得积分10
1分钟前
yupingqin完成签到 ,获得积分10
1分钟前
lyy完成签到 ,获得积分10
1分钟前
充电宝应助科研通管家采纳,获得10
1分钟前
骄傲yy发布了新的文献求助10
2分钟前
紫菜完成签到,获得积分10
2分钟前
骄傲yy完成签到,获得积分10
2分钟前
珂珂完成签到 ,获得积分10
2分钟前
清爽绮彤完成签到 ,获得积分10
3分钟前
myp完成签到,获得积分10
3分钟前
SCI的芷蝶完成签到 ,获得积分10
3分钟前
SH123完成签到 ,获得积分10
3分钟前
只喝白开水完成签到 ,获得积分10
3分钟前
耳东陈完成签到 ,获得积分10
3分钟前
虚幻元风完成签到 ,获得积分10
3分钟前
hwezhu完成签到,获得积分10
3分钟前
slin_sjtu完成签到,获得积分10
3分钟前
赵勇完成签到 ,获得积分10
3分钟前
Dawn完成签到 ,获得积分10
3分钟前
Axs完成签到,获得积分10
3分钟前
高分求助中
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
Sarcolestes leedsi Lydekker, an ankylosaurian dinosaur from the Middle Jurassic of England 450
Die Gottesanbeterin: Mantis religiosa: 656 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3164826
求助须知:如何正确求助?哪些是违规求助? 2815925
关于积分的说明 7910558
捐赠科研通 2475504
什么是DOI,文献DOI怎么找? 1318250
科研通“疑难数据库(出版商)”最低求助积分说明 632035
版权声明 602296