基于小波包变换与随机森林的滚动轴承故障特征分析方法

• 作者: 俞啸 刘晓文 吴守鹏 范春旸
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 小波包变换 随机森林 特征选择 滚动轴承 故障诊断
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 理论与方法研究
• 页码范围: 59-63,70
• 页数: 6页
• 分类号: TH16|TP391
• 语种: 中文

摘要

为实现滚动轴承故障特征分析,提出了一种基于小波包变换(Wavelet Packet Transform,WPT)结合随机森林(Random Forests,RF)的滚动轴承故障分析模型.首先,采用小波包变换对振动信号进行分解,对终端节点进行重构,再计算重构信号及其希尔伯特边际谱的11种统计参数,得到统计特征,构建原始特征集;针对原始特征集中存在的冗余和干扰特征,提出一种基于平均精确率减少的特征选择方法(Features Selection base on Mean Decrease Accuracy,FSMDA),标记特征对轴承故障的重要度,选取重要度高的统计特征用于故障状态识别;最后,利用随机森林实现滚动轴承故障特征分析与状态识别.采用12种轴承故障状态数据进行实验分析,实验结果表明FSMDA能够选择出对故障状态较为重要的特征,提高故障状态识另准确率,并且具有较好的适应性.