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
西西完成签到,获得积分10
刚刚
蓝色的云完成签到,获得积分10
刚刚
TBI完成签到,获得积分10
刚刚
张茂润完成签到,获得积分10
1秒前
丘比特应助盛夏采纳,获得100
1秒前
Zhai完成签到 ,获得积分10
1秒前
yuze发布了新的文献求助10
1秒前
陶远望完成签到,获得积分10
1秒前
太阳想吃冰淇淋完成签到 ,获得积分10
1秒前
款冬完成签到,获得积分10
2秒前
十二驳回了Hello应助
2秒前
2秒前
黑包包大人完成签到,获得积分10
2秒前
mrjohn完成签到,获得积分10
3秒前
Nathan发布了新的文献求助10
4秒前
无私的小松鼠完成签到 ,获得积分10
4秒前
4秒前
领导范儿应助TBI采纳,获得10
5秒前
传奇3应助JY采纳,获得10
5秒前
zhaoying完成签到,获得积分10
5秒前
6秒前
lan完成签到,获得积分10
6秒前
xiongyuan完成签到,获得积分10
6秒前
zhaojian发布了新的文献求助10
6秒前
明昼完成签到,获得积分10
6秒前
最最关注了科研通微信公众号
7秒前
7秒前
郝老头完成签到,获得积分0
7秒前
英俊清涟应助hopen采纳,获得10
9秒前
优秀的牛青完成签到,获得积分10
9秒前
9秒前
猫野完成签到,获得积分10
9秒前
570完成签到,获得积分20
10秒前
11秒前
cindy发布了新的文献求助10
11秒前
11秒前
Lawliet完成签到,获得积分10
11秒前
一一应助傲娇大雁采纳,获得30
12秒前
12秒前
謓言发布了新的文献求助10
12秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
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 3099945
求助须知:如何正确求助?哪些是违规求助? 2751385
关于积分的说明 7613674
捐赠科研通 2403417
什么是DOI,文献DOI怎么找? 1275270
科研通“疑难数据库(出版商)”最低求助积分说明 616322
版权声明 599053