10.3969/j.issn.1672-402X.2019.06.007
基于经验模态分解与随机森林的轴承故障诊断
针对机械设备故障振动信号的非平稳性,采用经验模态分解(Empirical Mode Decomposition,简称EMD)对机械设备振动信号进行分析处理.选取振动信号中前6个固有模态函数(Intrinsic Mode Function,简称IMF)分量,利用无量纲指标不受机械设备运行参数影响的特点,计算每个IMF分量的6个无量纲指标并构成36维的特征向量;采用适用于高维特征向量的随机森林算法进行训练和故障分类,再采用粒子群(Particle Swarm Optimization,简称PSO)算法优化决策树数量.利用该方法对正常轴承、轴承外圈磨损、轴承内圈磨损、轴承缺滚珠4种状态进行诊断,不仅提高了时效性,而且准确率达到96.8%,证明了本文方法对轴承故障诊断的有效性.
机械设备、故障诊断、经验模态分解、随机森林、特征提取
40
TP206.3(自动化技术及设备)
广东省科技重大专项项目;广东省普通高校省级重大科研项目;广州市科技计划项目
2020-06-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
32-40