基于随机森林和自编码的滚动轴承多视角特征融合

• 作者: 刘洋 孙文卿 朱静 程强 翟怡萌 邓敏强 邓艾东
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 多视角特征 特征融合 故障诊断 滚动轴承 机器学习
• 年，卷（期）: 2019,（3）
• 页码范围: 302-309
• 页数: 8页
• 分类号: TH133.33
• 字数: 863字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2019.03.005

摘要

为了提高复杂工况下滚动轴承故障诊断的准确性和鲁棒性,提出了基于振动信号多视角特征深度融合的故障诊断方法.首先,通过傅里叶变换、希尔伯特变换以及经验模态分解(EMD)提取滚动轴承振动信号的时域、频域及时频域特征;然后,利用随机森林模型(RF)选择多视角特征集中与轴承运行状态相关性较大的特征,将选出特征通过自编码器(AE)进行深度融合以进一步降低特征的冗余性;最后,将融合后的多视角特征作为支持向量机(SVM)的输入,以对其有效性进行评价.实验结果表明,提出的多视角特征融合的故障诊断方法能有效地反映轴承运行状态之间的差异,提高了滚动轴承故障诊断的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓艾东	东南大学能源与环境学院	50	247	10.0	13.0
2	刘洋	东南大学火电机组振动国家工程研究中心	63	730	15.0	26.0
3	朱静	东南大学能源与环境学院	12	57	4.0	7.0
4	翟怡萌	东南大学火电机组振动国家工程研究中心	9	5	1.0	2.0
5	程强	东南大学火电机组振动国家工程研究中心	7	16	2.0	4.0
6	邓敏强	东南大学火电机组振动国家工程研究中心	11	6	1.0	2.0
7	孙文卿	东南大学火电机组振动国家工程研究中心	3	0	0.0	0.0