基于旋转森林法的滚动轴承故障诊断

• 作者: 尹希珂 徐坤 王贵 邢宗义
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 滚动轴承 故障诊断 自回归模型 旋转森林 故障模式识别
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 机械工程
• 页码范围: 970-978
• 页数: 9页
• 分类号: U216.3
• 字数: 4096字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2017.0970

摘要

为了寻找一种高精度、可测试样本大的滚动轴承故障诊断方法,提出了基于旋转森林法的滚动轴承故障诊断方法.设计基于SSA(奇异谱分析)和AR(自回归)模型的特征提取算法以及基于RF(旋转森林)算法的故障模式识别算法,并采用美国西储大学滚动轴承实验台的振动数据进行实验验证.实验结果表明:①AR模型的NMSE(归一化后的平均绝对误差)达99.45％,说明通过线性自回归模型拟合原始信号拟合的效果很好,确保了结果的可信性;②在训练和测试样本总数为232个基础上,分析了训练样本数和基分类器数对分类精度的影响,得出采用3个基分类器、少量训练样本在不同转速条件下即可达到较高的精度,验证了旋转森林算法的有效性.经最终实验表明,在训练集720和测试集2 296条件下,可识别故障类型数达40个,平均测试精度达98.5％ ～ 100％,相对同类方法在精度上有所提高,并且测试样本大,可应用于城轨列车滚动轴承的故障诊断中,为车辆的日常检修提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢宗义	南京理工大学自动化学院	79	563	11.0	19.0
2	王贵	南京理工大学自动化学院	9	22	3.0	4.0
3	徐坤	南京理工大学自动化学院	1	0	0.0	0.0
4	尹希珂	南京理工大学自动化学院	1	0	0.0	0.0