-
题名基于多尺度极差熵和专家森林的轴承故障诊断
被引量：2
- 1
-
-
作者
张书锋
陈雪勤
-
机构
苏州工业园区服务外包职业学院信息工程学院
苏州大学电子信息学院
-
出处
《机电工程》
CAS
北大核心
2022年第1期47-52,共6页
-
基金
苏州市教育科学“十三五”规划课题资助项目(192012409)。
-
文摘
针对轴承故障的敏感特征提取与模式诊断问题,提出了一种基于多尺度极差熵的故障特征提取方法和基于专家森林算法的轴承故障识别方法。首先,介绍了轴承的3种故障模式和相应的故障特征频率,引入了多尺度理论,计算了轴承振动信号的多尺度极差熵,并将其作为特征向量;然后,研究了特征向量的主成分提取法,有效降低了特征向量维度,并提取出了高敏感特征;最后,在随机森林算法中,依据决策树预测试准确率为决策树赋予了专家权值属性,提出了专家森林算法,并将专家森林算法应用于轴承故障诊断实验中。研究结果表明:使用降维特征加随机森林的故障诊断准确率比降维前特征加随机森林的诊断准确率高了17.07%,降维特征加专家森林算法的故障诊断准确率比降维特征加随机森林高了3.47%;该结果也验证了多尺度极差熵特征提取方法与专家森林故障模式识别的有效性。
-
关键词
滚动轴承
故障诊断
多尺度极差熵
专家森林算法
主成分分析
高敏感特征
-
Keywords
rolling bearing
fault diagnosis
multi-scale range entropy
expert forest algorithm
principal component analysis
high-sensitive characteristics
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-
-
题名轴承故障的全视角特征提取与模式诊断方法
被引量：1
- 2
-
-
作者
庄燕
-
机构
九州职业技术学院
-
出处
《机电工程》
CAS
北大核心
2022年第3期344-349,共6页
-
基金
苏州市教育科学“十三五”规划项目(192012409)。
-
文摘
为了提高轴承故障诊断的准确率,提出了一种轴承故障的全视角特征提取方法和专家森林算法的模式诊断方法。在故障特征提取方面,首先从时域、频域、时频域选择参数,以此来作为初始故障特征库,而后使用KPCA提取了基础故障库的全局结构特征,使用t-SNE算法提取了基础故障库的局部结构特征,从而保留了对故障模式相对敏感的全视角特征参数;在故障模式识别方面,为决策树赋予了专家属性和专家权值,得到了专家树的概念,基于专家树思想提出了专家森林算法,解决了随机森林算法无差别对待决策树的问题;最后采用实验的方式,对轴承故障全视角特征提取方法和基于专家森林算法的模式诊断方法进行了验证。研究结果表明:由KPCA+t-SNE结合提取的全视角故障特征优于单独提取的全局结构特征与局部结构特征;随机森林算法的诊断准确率均值为96.14%,专家森林算法的故障诊断准确率均值为99.48%,比随机森林算法提高了3.47%,验证了所提故障诊断方法的优越性。
-
关键词
轴承故障诊断
全局结构特征
局部结构特征
初始特征库
专家森林算法
-
Keywords
bearing fault diagnosis
global structural features
local structural features
initial feature library
expert forest algorithm
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TH17
[机械工程—机械制造及自动化]
-
