基于集成学习算法的轴承故障诊断方法研究

• 作者: 陈天光 陈典红 吕瑞峰
• 来源期刊: 科技通报
• 关键词: 轴承 故障诊断 XGBoost 机器学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 工业技术
• 页码范围: 57-61,93
• 页数: 6页
• 分类号: TP399
• 语种: 中文
• DOI: 10.13774/j.cnki.kjtb.2021.04.011

摘要

针对轴承故障诊断严重依赖人工经验、难以标准化的问题,建立了一种基于集成学习算法的轴承故障诊断模型.通过对轴承进行振动信号的采集,依据机器学习的流程,对振动信号进行特征工程处理,采用XGBoost集成算法构建故障诊断模型,并且与随机森林算法对照,验证模型效果.试验证明该模型准确率为92.89％,可以快速准确地以数据化的方式诊断出轴承当前所处的状态,降低对人工经验的依赖,提高轴承的检验效率,标准化轴承检验流程.