基于Blending集成学习的多源信息液压系统多类故障诊断研究

简介

针对传统故障诊断方法准确性不高、耗时长问题,研究通过多个EfficientNet模型对传感器数据进行预训练,并使用XGBoost作为元学习器,提出了一种基于Blending集成学习的多源信息液压系统多类故障诊断方法。实验结果表明,各个子分类器在训练次数达到300次后趋于收敛,准确率均达到95%左右。该方法具有较高的准确性和鲁棒性,为液压系统故障诊断提供了一种有效的解决方案。