在故障诊断中处理标签错误的数据:一种基于图谱辅助的随机森林方法
《Neurocomputing》:Handling mislabeled data in fault diagnosis: A graph-assisted random forest approach
【字体:
大
中
小
】
时间:2026年01月13日
来源:Neurocomputing 6.5
编辑推荐:
标签信息在监督学习和半监督学习故障诊断方法中起关键作用。然而,错误标签会显著降低分类性能。本文提出了一种基于谱聚类匹配(SCM)的图辅助随机森林(GARF)方法,用于缓解错误标签的影响。首先通过SCM识别错误标签样本,然后将这些样本转换为未标记数据。接着利用图基于半监督学习(GSSL)算法对混合数据集进行标签修正,最后训练随机森林(RF)分类器建立GARF故障诊断模型。实验表明,GARF方法在准确率、召回率、F1分数和计算效率上优于现有方法。
陈少志|席晓鹏|钟梅英|杨瑞|马科斯·E·奥查德
山东科技大学电气工程与自动化学院,中国青岛,266590
摘要
标签信息在基于监督学习和半监督学习的故障诊断方法中起着关键作用。然而,错误标记的数据会显著降低故障诊断模型的分类性能。为了解决这一挑战,本文提出了一种基于图的随机森林(GARF)方法,旨在减轻错误标记数据对故障诊断的负面影响。该方法的核心是一种基于谱聚类匹配(SCM)的方法,该方法利用图结构与样本标签的独立性来识别错误的标签。识别出的错误标记样本随后会被去除错误标签并视为未标记数据。接着,采用基于图的半监督学习(GSSL)算法来推断这些样本的正确标签,利用底层图拓扑结构实现有效的标签校正。之后,在校正后的数据集上训练随机森林(RF)分类器,以建立基于GARF的故障诊断模型,从而实现实时故障诊断。通过硬件在环高速列车仿真平台的监测数据验证了所提出的方法。实验结果表明,GARF方法在准确性、召回率、F1分数和计算效率等关键指标上均优于多种现有方法。
引言
复杂的工程系统在长时间运行过程中本质上容易发生故障风险[1]、[2]。如果没有及时准确的故障诊断和有效的处理措施,复杂的工程系统不仅会性能下降,还可能引发级联故障甚至灾难性事故[3]、[4]。随着现代工程系统复杂性的不断增加以及对系统可靠性和稳定性的要求不断提高,故障诊断已成为可靠性工程中的一个关键研究领域[5]、[6]、[7]。
历史数据的积累和人工智能的快速发展极大地增强了机器学习方法在故障诊断中的重要性[8]、[9]。目前,主流的机器学习诊断方法主要包括随机森林(RF)[10]、支持向量机(SVM)[11]、朴素贝叶斯分类器[12]和深度神经网络(DNN)[13]。在这些方法中,随机森林算法凭借其集成学习特性,表现出显著的模型鲁棒性和出色的抗过拟合能力[14]。研究表明,随机森林算法在复杂诊断场景中具有出色的适应性。将随机森林与自动特征提取技术相结合,可以有效应对非平稳特征带来的挑战,实现对变换器开路故障的高精度诊断[15]。对于受到特征干扰问题影响的卫星姿态控制系统,应用加权特征随机森林算法证明了该方法的强大鲁棒性,同时保持了诊断效率[16]。尽管随机森林在高质量注释下表现出强大的故障分类性能,但在存在错误标记数据的情况下,这种鲁棒学习能力可能会成为限制,因为它们容易在噪声样本上过拟合,从而导致性能下降。数据的错误标记会导致随机森林中的决策树异常生长,偏离预期结构。作为随机森林算法的基础分类器,决策树的生长过程主要通过节点分裂完成[17]。节点分裂的特征和阈值是根据数据标签计算基尼不纯度或信息增益来确定的[18]。错误标记的数据会直接破坏类别分布,导致各个决策树的分裂阈值因错误标签而偏离预期值[19]。这种错误的标签情况还会导致叶节点中的类别比例失真,并降低投票信心。因此,构建的模型会被误导,学习到错误的特征-标签映射[20]。此外,随机森林的泛化性能的固有“袋外”(OOB)评估机制也会受到影响,导致对真实风险的系统性低估。因此,数据标签在模型特征学习和决策边界构建中起着重要的指导作用[21]。基于上述分析,像随机森林这样的机器学习模型在训练过程中可能会被标签噪声误导,从而导致分类性能下降[22]。
在分类任务中,标签噪声问题逐渐成为一个研究热点[23]。系统在手动注释过程中通常表现出非线性耦合、多尺度故障表示、认知偏差和操作随机性等特征[24]、[25]。这些因素会导致某些类别标签在标注时出错。训练数据中的类别标签错误在机器学习文献中被称为标签噪声[26]。研究人员设计了多种机器学习算法变体来克服标签噪声对分类性能的影响。可以构建一个鲁棒的损失函数来减轻标签噪声的影响[27]、[28]。基于样本加权方法,噪声样本被赋予较小的权重,引导模型先学习非噪声样本,然后逐渐过渡到噪声样本[29]。然而,现有研究表明,基于鲁棒损失函数和损失函数校正的方法仍然对标签噪声敏感[30]。由损失函数引导的标签校正可能会导致高损失样本被错误校正为正确标签,或者保留低损失样本的错误标签,从而加剧过拟合问题[31]。
尽管训练数据中存在标签噪声,但在传统算法训练过程中仍然依赖于标签信息,这是一个难以克服的挑战。受到无监督学习和半监督学习方法(特别是基于图的理论)的启发,在图构建阶段可以显著减少对标签信息的依赖[32]。图可以有效地捕捉样本之间的相似性,然后可以利用这些相似性来识别和校正错误标记的样本[33]。尽管存在这些限制,基于图的方法可以作为随机森林的宝贵补充,以减轻标签噪声的影响。
将基于图的方法与随机森林相结合,不仅增强了随机森林的优势,还显著降低了标签噪声的影响。因此,本文提出了一种基于图的随机森林(GARF)的故障诊断方法。采用谱聚类匹配算法来利用图结构有效捕捉数据关系的能力,从而帮助识别错误标签。通过移除原始标签,将带有错误标记信息的样本转换为未标记实例。开发了一种基于图的半监督学习方法,在包含标记和未标记样本的混合数据集上生成更新后的标签预测,从而校正错误标记的实例。在校正后的数据集上训练基于随机森林的故障诊断模型,并用于在线故障诊断,完成了GARF框架的构建。本文的主要贡献可以总结如下:
- 1)
提出了一种新的基于图的随机森林框架,通过集成图结构学习来提高在存在错误训练标签情况下的故障诊断性能;
- 2)
开发了一种基于谱聚类的匹配方法,通过比较内在数据聚类和原始类别标签来检测错误标记的样本,从而减少对可能不准确标签信息的依赖;
- 3)
引入了一种基于图的半监督标签校正策略,根据特征相似性进行标签传播,避免直接在损坏的标记数据上训练精确的分类器。
本文的其余部分组织如下。第2节提供了研究动机。第3节详细介绍了基于GARF的故障诊断方法。第4节提供了牵引电机的实验结果,并讨论了所提出方法的有效性。第5节提出了结论和未来的工作。
部分内容
问题阐述
故障诊断旨在及时有效地识别设备的异常情况,分析异常类型,并揭示这些异常的根本原因,为故障处理提供可靠的基础,提高系统的安全性和可靠性[34]。数据驱动的故障诊断方法基于过程数据,利用统计分析和机器学习方法直接分析和处理大量过程数据,从而
基于图的随机森林
基于图的随机森林的故障诊断方法旨在解决标签噪声问题。所提出的方法主要分为三个步骤,如图3所示。首先,使用SCM方法识别错误标签,根据聚类信息(在第3.1节中描述)识别出带有错误标签的样本。其次,使用GSSL方法校正错误标签,将相应的样本处理为未标记样本
案例研究
本文提出的方法通过以牵引系统的故障诊断为案例研究进行了验证。牵引系统作为高速列车的重要组成部分,为列车的运行提供动力。牵引电机是牵引系统的关键组成部分,对高速列车的牵引功率、能耗和控制特性至关重要。为了评估所提出方法的性能,设计了实验
结论
本文介绍了一种基于图的随机森林故障诊断方法。我们提出了一种基于谱聚类匹配的方法来识别带有错误标签的样本。通过设计的基于图的半监督学习方法,将这些样本的准确标签信息传播给它们,从而实现有效的标签校正。这些样本的标签相应地得到更新,从而得到了一个改进的数据集,减轻了错误标签的负面影响。
CRediT作者贡献声明
陈少志:数据整理、形式分析、方法论、验证、初稿撰写、审稿与编辑。席晓鹏:验证、监督、资源获取、资金筹集。钟梅英:方法论、资金筹集、形式分析、概念化。杨瑞:审稿与编辑、监督、方法论、概念化。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
本工作部分得到了中国国家自然科学基金(项目编号62233012)和山东省泰山学者项目研究基金的支持。马科斯·奥查德感谢智利FONDECYT基金(项目编号1250036)以及巴西高等科学技术研究所AC3E先进电气与电子工程中心(项目编号CIA250006,ANID)的支持。
陈少志分别于2009年和2012年在中国的山东科技大学获得了学士学位和硕士学位。他目前在中国青岛的山东科技大学电气工程与自动化学院攻读博士学位。他的当前研究兴趣包括复杂工程系统的故障诊断和剩余使用寿命预测。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号