首页|随机森林算法在柴油机故障诊断中的应用

随机森林算法在柴油机故障诊断中的应用

Application of Random Forest Algorithm in Fault Diagnosis of Diesel Engine

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对基于单一分类器的柴油发动机常见故障识别效果不够理想,泛化性较差等问题,结合实验数据探索了一种随机森林(Random Forest,RF)分类器,提出小波包分解和随机森林相结合的柴油发动机故障诊断方法.首先,对缸盖振动信号进行小波包分解,并利用分解所得的小波包重构系数计算各频带能量特征;然后,对小波包频带能量特征进行归一化处理,得到特征向量;最后,特征向量作为输入参数输入到随机森林算法中,训练得到分类模型,对柴油机常见故障进行识别.实验结果表明,随机森林方法相比于单一分类器可以更准确的识别出柴油机的运行状态,该方法在柴油发动机在线监测与故障诊断领域中具有良好的应用前景.

魏东海、王磊、赵志超、张进杰

展开 >

北京化工大学机电工程学院诊断与自愈工程研究中心,北京 100029

中石化重庆天然气管道有限责任公司,重庆 404100

随机森林 柴油发动机 振动信号 小波包分解 故障诊断

863 项目国家重点研发计划中央高校基本科研业务费专项资金资助

2014AA0418062016YFF0203305JD1815

2020

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2020.(7)
  • 10
  • 7