基于PCA和随机森林的故障趋势预测方法研究

• 作者: 周新志 宁芊 王梓杰
• 来源期刊: 计算机测量与控制
• 关键词: 趋势预测 PCA 故障诊断 随机森林 PHM
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 21-23,26
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.02.006

摘要

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性;在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法;该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据;原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周新志	四川大学电子信息学院	149	837	14.0	22.0
3	宁芊	四川大学电子信息学院	60	414	10.0	18.0
7	王梓杰	四川大学电子信息学院	1	8	1.0	1.0