Research on Rolling Bearing Fault Diagnosis Based on Distributed Fuzzy Broad Learning System under Imbalanced Data
ID：20
Submission ID：21 View Protection：ATTENDEE
Updated Time：2024-10-23 10:40:54
Hits：51
Oral Presentation
Start Time：2024-11-02 09:50 （Asia/Shanghai）
Duration：20min
Session：[P1] Parallel Session 1 » [P1-2] Parallel Session 1（November 2 AM）
No files
Abstract
广义学习系统 （BLS） 作为一种新颖的快速有效的智能算法，在数据分类领域得到了广泛的应用。然而，真实数据往往是不平衡的，这使得 BLS 在处理不平衡数据时性能有限，无法获得良好的分类结果。有鉴于此，该文提出了一种基于不平衡数据下的分布式模糊广泛学习系统（DFBLS）的方法。该模型为每个训练点分配一个模糊从属值，减少了不平衡样本对模型的影响，DFBLS 并行执行模糊函数，从而提高了计算效率和处理速度。此外，DFBLS 通过映射特征和增强特征来学习输入数据中的特征，解决了模糊化导致数据样本丢失或混淆的不足。最后，通过两个滚动轴承实验数据集进行了验证，结果表明，所提方法在不同指标上均表现出优异的性能，为不平衡数据故障诊断提供了有效的解决方案。
Keywords
Broad Learning System (BLS); Distributed Fuzzy Broad Learning System; fuzzy function; fault diagnosis
Speaker
LiuHaoran
Mr Anhui University of TechnologySubmission Author
All comments
15th August 2024 31st August 2024- Manuscript Submission
15th September 2024 - Acceptance Notification
1st October 2024 - Camera Ready Submission
1st October 2024 – Early Bird Registration
Contact Us
Website:
https://icsmd2024.aconf.org/
Comment submit