γDPC伪标签增强模型

半监督不平衡诊断

针对轴承故障诊断中标签样本不足与不平衡问题，提出基于γ跳跃现象自动确定聚类参数的密度峰值聚类算法，并与合成少数类过采样和轻量梯度提升机结合，实现半监督智能故障识别。

Li, Sai · 彭延峰 · 宾光富 · Shen, Yiping · Guo, Yong · Baoqing, Li · Jiang, Yongzheng · Fan, Chao

Nonlinear Dynamics 2024

技术优势

自动确定聚类参数

利用γ跳跃现象自动确定聚类数和截断距离，无需人工调参。

无需大量标签

通过伪标签机制利用未标记样本，降低了对人工标注的依赖。

轻量级可部署

采用LightGBM进行最终分类，计算量小，适合实际生产环境。

验证于多个不平衡数据集

在三个不同平衡比的轴承数据集上验证，结果优于对比方法。

应用场景

• 旋转机械故障诊断：在标签有限时自动识别轴承故障类型。
• 工业设备预测性维护：用不平衡历史数据训练可靠诊断模型，支撑维护决策。
• 振动监测与智能传感：处理振动信号实现智能故障分类。