基于机器学习算法的滚动轴承在线故障诊断

• 作者: 孙晋锰 于忠清 王海崖
• 来源期刊: 青岛大学学报（自然科学版）
• 关键词: 滚动轴承 故障诊断 机器学习算法 C4.5算法 Cart算法 BP算法 SVM算法 预测性维护
• 年，卷（期）: 2021,（2）
• 页码范围: 15-22
• 页数: 8页
• 分类号: TH212|TH213.3
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2021.05.03

摘要

针对传统故障诊断方法耗时长、人工成本高且工作效率低以及现代故障诊断过于复杂的问题,提出了一种直接对振动信号进行关键特征筛选提取的方法,并结合经典的C4.5算法、Cart算法、BP算法和SVM算法对滚动轴承进行在线的故障诊断.研究结果表明,基于C4.5算法、Cart算法、BP算法和SVM算法模型的诊断方法均可对滚动轴承在运行过程中是否出现了故障以及出现了什么故障进行较为精准的识别和分类,且具有较高的准确率,可以达到很好的故障监测效果以及故障诊断效果.基于SVM算法的故障诊断模型诊断准确率优于其他三种算法,更加适用于滚动轴承的故障诊断.