基于多维缩放和随机森林的轴承故障诊断方法

• 作者: 余迪 周融通 张西宁 张雯雯
• 来源期刊: 西安交通大学学报
• 关键词: 函数型数据分析 多维缩放 随机森林 轴承故障诊断
• 年，卷（期）: 2019,（8）
• 页码范围: 1-7
• 页数: 7页
• 分类号: TH17
• 语种: 中文
• DOI: 10.7652/xjtuxb201908001

摘要

为快速准确识别轴承的运行状态,提出了一种基于多维缩放和随机森林的轴承故障诊断方法.该方法采用函数型数据分析,得到轴承振动信号自相关函数的拟合系数,构造故障特征集;使用网格搜索法优化随机森林参数,得到特征重要性排序;然后使用多维缩放方法对特征选择后的故障特征集进行降维;最后采用随机森林对降维后的故障特征进行诊断识别.为验证所提方法的有效性,开展了正常、内圈故障、外圈故障、滚子故障状态下的轴承振动实验,结果表明,函数型数据分析的特征提取方式能有效表征不同状态轴承振动信号的不同特征,与t分布随机邻域嵌入和主分量分析方法相比,多维缩放方法具有更高的类间距和类内距的比值,且优势明显,各类状态的诊断准确率均高达100％,较使用原始特征集的随机森林平均准确率提高了5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张西宁	西安交通大学机械制造系统工程国家重点实验室	48	471	11.0	20.0
2	张雯雯	西安交通大学机械制造系统工程国家重点实验室	9	10	2.0	2.0
3	周融通	西安交通大学机械制造系统工程国家重点实验室	4	10	2.0	3.0
4	余迪	西安交通大学机械制造系统工程国家重点实验室	2	3	1.0	1.0