《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于随机森林的滚动轴承故障辨识方法研究

作者：王兰兰,朱捷,周正平,等. 日期：2022-02-23/span> 浏览：1399 查看PDF文档

基于随机森林的滚动轴承故障辨识方法研究*

王兰兰1,朱捷2,周正平3,常兆庆4

(1.郑州铁路职业技术学院,河南郑州 451460;2.郑州航空工业管理学院管理工程学院,河南郑州 450046;

3.南京航空航天大学自动化学院,江苏南京 211106;4.江苏曙光光电有限公司,江苏扬州 225000)

摘要:滚动轴承工作时的故障信息难以获取,且其故障信息的辨识也存在困难,针对这一问题,提出了一种基于随机森林(RF)的滚动轴承故障辨识方法。首先,采集了滚动轴承的原始振动信号,并基于时域统计指标提取出了其原始振动数据的特征向量;然后,建立了基于随机森林的轴承故障辨识模型,同时利用测试集验证了故障分类结果,给在测试集分类过程中识别率较高的决策树赋予了较大的权重,使得对应的决策树在未来的分类过程中可以发挥更大的作用;最后,用验证集验证了最终的分类结果,通过多域多通道的滚动轴承故障特征数据集验证了所提方法的有效性。研究结果表明:在不同转速和变工况条件下,基于随机森林的滚动轴承故障诊断方法都能取得良好的轴承故障辨识效果,其分类准确率达到96%;与采用BP神经网络(BPNN)、K-近邻算法(KNN)、支持向量机(SVM)传统分类器的辨识结果相比,采用随机森林辨识方法的分类准确率明显更高。

关键词:滚动轴承;故障辨识;特征提取;随机森林

中图分类号:TH133.33;TH165.3文献标识码:A文章编号:1001-4551(2021)12-1599-06

本文引用格式:

王兰兰,朱捷,周正平,等.基于随机森林的滚动轴承故障辨识方法研究［J］.机电工程,2021,38(12):1599-1604.