Xgboost在滚动轴承故障诊断中的应用

• 作者: 刘飞 张钰 王晓峰 陈珺
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 滚动轴承 故障诊断 支持向量机 Xgboost
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 166-170,179
• 页数: 6页
• 分类号: TH133.3|TP206
• 字数: 3682字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2017.04.032

摘要

针对不同轴承数据特征选择困难和单个分类器方法在滚动轴承故障诊断中精度较低的问题,提出一种基于分类与回归树的Xgboost(eXtreme Gradient Boosting)轴承故障诊断算法.Xgboost是包含多个分类器的集成学习方法.通过Xgboost的"提升"思想来提高滚动轴承故障诊断的精度.首先,从滚动轴承的振动信号中提取时域特征参数;然后利用Xgboost算法对滚动轴承故障进行诊断.将SQI-MFS实验平台的轴承振动数据,与传统分类器(支持向量机、邻近算法和人工神经网络)以及单个分类回归树的诊断结果相比,结果表明Xgboost在轴承故障诊断率上优于上述几种算法,且计算时间比传统提升决策树算法短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘飞	轻工过程先进控制教育部重点实验室江南大学自动化研究所	11	63	5.0	7.0
2	张钰	轻工过程先进控制教育部重点实验室江南大学自动化研究所	1	31	1.0	1.0
3	陈珺	轻工过程先进控制教育部重点实验室江南大学自动化研究所	1	31	1.0	1.0
4	王晓峰		3	61	3.0	3.0