一种基于置信规则库并考虑鲁棒性分析的可靠故障诊断方法

arXiv cs.AI 论文
fault-diagnosis belief-rule-base robustness-analysis sensor-reliability diesel-engine bearing-fault machine-learning

摘要

本文提出了一种基于置信规则库并考虑鲁棒性分析的可靠故障诊断方法，解决了传感器可靠性问题，并在WD615柴油机和轴承数据集上验证了该方法。

arXiv:2606.10500v1 Announce Type: new 摘要：在设备运行中，实施故障诊断对于确保生产设备的连续性和安全性、提高运行效率以及降低维护成本至关重要。由于传感器读数广泛用于故障诊断，其可靠性直接影响故障诊断的结果。针对故障诊断模型的鲁棒性评估和鲁棒性优化两个问题，提出了一种新的故障诊断方法。为此，提出了一种基于置信规则库（BRB）并考虑鲁棒性分析的可靠故障诊断方法。首先，系统地进行了BRB模型的鲁棒性分析。其次，提出了三种鲁棒性约束策略来优化BRB故障诊断模型的鲁棒性。最后，以WD615柴油机和凯斯西储大学轴承的故障诊断为例，验证了所提模型的有效性，实验表明该模型在准确性和鲁棒性方面均有提升。
查看原文
查看缓存全文

缓存时间: 2026/06/10 06:15 

# 一种基于置信规则库并考虑鲁棒性分析的可靠故障诊断方法
来源：https://arxiv.org/abs/2606.10500
查看PDF（https://arxiv.org/pdf/2606.10500）

> 摘要：在设备运行过程中，实施故障诊断对于保障生产设备的连续性和安全性、提高运行效率以及降低维护成本至关重要。由于传感器读数被广泛用于故障诊断，其可靠性直接影响故障诊断的结果。针对故障诊断模型在鲁棒性评估与鲁棒性优化两方面的问题，提出了一种新的故障诊断方法。为此，提出了一种基于置信规则库（BRB）并考虑鲁棒性分析的可靠故障诊断方法。首先，对BRB模型进行系统的鲁棒性分析。其次，提出三种鲁棒性约束策略，以优化BRB故障诊断模型的鲁棒性。最后，以WD615柴油机和凯斯西储大学轴承的故障诊断为例，验证了所提模型的有效性。实验表明，所提模型在准确性和鲁棒性方面均有所提升。

## 提交历史

来自：吴宗宗（查看电子邮件（https://arxiv.org/show-email/5cadef19/2606.10500））  
**[v1]** 星期二, 2026年6月9日 07:24:37 UTC（1,059 KB）

相似文章

基于物理可验证证据与LLM报告的轴承故障诊断

arXiv cs.LG

本文介绍了诊断证据网络（DENet），一个多任务框架，它将基于AI的轴承故障诊断扩展为生成物理可验证的证据，例如预测的特征频率和脉冲的时间定位，同时使用QLoRA适配的语言模型生成受限的诊断报告，以减少幻觉内容。

BearingNAS：使用笔记本电脑获取轴承内传感器智能故障诊断系统

arXiv cs.LG

本文介绍了BearingNAS，一种硬件感知的神经架构搜索框架，用于设计轴承的智能故障诊断系统，目标是微控制器和传感器处理单元，这些单元内存极为有限（4-8 KiB RAM，16-32 KiB Flash），而整个框架完全在笔记本电脑CPU上运行，并达到99.50%的诊断准确率。