基于振动时域特征的船用滚动轴承故障诊断方法

• 作者: 陈阳 李一 姬正一 张胜光 雷博
• 来源期刊: 机床与液压
• 关键词: 滚动轴承 故障诊断 随机森林 机器学习 特征提取
• 年，卷（期）: 2021,（14）
• 所属期刊栏目: 故障诊断与可靠性|FAULT DIAGNOSIS & RELIABILITY
• 页码范围: 193-200
• 页数: 8页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2021.14.039

摘要

基于机器学习故障诊断方法,针对船用滚动轴承复合故障特征提取多样化的特点,提出一种以振动信号时域指标为特征的随机森林故障诊断方法.将振动时域信号进行清洗转换,构造5个量纲一化指标的衍生特征,并选取以决策树为基本分类器的随机森林算法建立训练模型;通过特征筛选、评估测试和模型优化得到较为理想的故障诊断分类模型;采用滚动轴承竞赛数据集进行模型仿真,并结合实际模拟8种船用滚动轴承故障状态.通过三向振动实验和算法建模,证明特征提取的科学性和故障诊断模型的有效性.结果表明:采用该方法,数据仿真诊断准确率为98.61％,实验诊断准确率为98.85％,且该方法在振动采集方向为轴向时诊断效果最优.