基于多特征融合与XGBoost的风机轴承故障诊断

• 作者: 吴定会 郑洋 韩欣宏
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 多特征融合 XGBoost算法 故障诊断 信息增益
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 计算与测试
• 页码范围: 145-149
• 页数: 5页
• 分类号: TP241.2
• 字数: 3793字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)07-0145-05

摘要

针对单独从时域、频域、时频域对风机轴承振动信息描述的不充分性,以及传统故障诊断算法精度较低的问题,提出了基于多特征融合与XGBoost的风机轴承故障诊断算法.首先,提取轴承振动信号的时域、频域以及时频域特征,然后利用XGBoost算法对轴承故障进行诊断,计算每个特征在树节点分裂中获取的信息增益,并根据特征信息增益对特征进行筛选,最后采用支持向量机(SVM),K最近邻(KNN),人工神经网络(ANN)等算法对筛选后的特征进行故障诊断对比实验.仿真结果表明:本文算法可以提取出具有高区分性和独立性的特征,同时在轴承故障诊断率上优于其他算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴定会	江南大学轻工过程先进控制教育部重点实验室	119	542	11.0	16.0
2	韩欣宏	江南大学轻工过程先进控制教育部重点实验室	2	0	0.0	0.0
3	郑洋	江南大学轻工过程先进控制教育部重点实验室	5	0	0.0	0.0