Resumen

En este artículo se presenta una máquina de aprendizaje extremo de una sola etapa (SS-ELM) para el diagnóstico de fallos mecánicos. Basado en él, el tipo de mapeo tradicional de la máquina de aprendizaje extremo (ELM) se ha cambiado y los vectores propios extraídos de los métodos de procesamiento de señales se consideran directamente como salidas de la capa oculta de la red. Así se evitan eficazmente la incertidumbre de que los datos de entrenamiento se transformen del espacio de entrada al espacio de características ELM con el mapeo ELM y el problema de la selección de los nodos ocultos. Los resultados experimentales del diagnóstico de fallos en motores diesel muestran un buen rendimiento del algoritmo SS-ELM.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Máquina de aprendizaje extremo de una etapa; diagnóstico de fallos mecánicos; tipo de mapeo tradicional; máquina de aprendizaje extremo; vectores propios; métodos de procesamiento de señales.
• Keywords:Single-stage extreme learning machine; mechanical fault diagnosis; traditional mapping type; extreme learning machine; eigenvectors; signal processing methods