机械设计与制造2020，Issue(10) ：59-63,70.

基于小波包变换与随机森林的滚动轴承故障特征分析方法

Fault Feature Analysis Method of Rolling Bearing Based on Wavelet Packet Transform and Random Forest

范春旸 吴守鹏 刘晓文 俞啸
机械设计与制造2020，Issue(10) ：59-63,70.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于小波包变换与随机森林的滚动轴承故障特征分析方法

Fault Feature Analysis Method of Rolling Bearing Based on Wavelet Packet Transform and Random Forest

范春旸 1吴守鹏 1刘晓文 1俞啸2
扫码查看

作者信息

  • 1. 中国矿业大学物联网(感知矿山)研究中心,江苏徐州221008;中国矿业大学信息与控制工程学院,江苏徐州221008
  • 2. 中国矿业大学物联网(感知矿山)研究中心,江苏徐州221008;中国矿业大学信息与控制工程学院,江苏徐州221008;徐州医科大学医学信息学院,江苏徐州221009
  • 折叠

摘要

为实现滚动轴承故障特征分析,提出了一种基于小波包变换(Wavelet Packet Transform,WPT)结合随机森林(Random Forests,RF)的滚动轴承故障分析模型.首先,采用小波包变换对振动信号进行分解,对终端节点进行重构,再计算重构信号及其希尔伯特边际谱的11种统计参数,得到统计特征,构建原始特征集;针对原始特征集中存在的冗余和干扰特征,提出一种基于平均精确率减少的特征选择方法(Features Selection base on Mean Decrease Accuracy,FSMDA),标记特征对轴承故障的重要度,选取重要度高的统计特征用于故障状态识别;最后,利用随机森林实现滚动轴承故障特征分析与状态识别.采用12种轴承故障状态数据进行实验分析,实验结果表明FSMDA能够选择出对故障状态较为重要的特征,提高故障状态识另准确率,并且具有较好的适应性.

关键词

小波包变换/随机森林/特征选择/滚动轴承/故障诊断

引用本文复制引用

基金项目

国家重点研发计划(2017YFC0804400)

国家重点研发计划(2017YFC0804401)

国家重点基础研究发展计划(973)(2014CB046300)

出版年

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
被引量14
参考文献量9
段落导航相关论文