首页|轴承故障高敏感特征提取与随机森林智能识别

轴承故障高敏感特征提取与随机森林智能识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提高轴承故障识别正确率,提出了基于多重分形理论的特征提取方法和改进随机森林的模式识别方法.介绍了多重分形去趋势波动理论,初选了 4个多重分形参数作为特征参数;将参数两两组合,使用K均值聚类法进行聚类,依据类内聚集度和类间距离优选了最佳组合作为特征向量.以随机森林算法为基础,提出了舍弃策略和话语权策略进行改进.舍弃策略通过舍弃分类正确率靠后的决策树提高随机森林平均正确率,减小森林的泛化误差;话语权策略通过提高优秀决策树的话语权,放弃了传统算法中的绝对民主,两个改进策略提高了算法模式识别正确率.经实验验证,改进随机森林算法对故障识别正确率为100％,而传统算法识别正确率仅为93.1％,证明了算法改进策略的有效性.
Robotic Arm Trajectory Multi-Objective Programming Based on Heterogeneous Particle Swarm Algorithm

李冬

展开 >

无锡工艺职业技术学院,江苏 宜兴 214200

滚动轴承 故障识别 多重分形理论 随机森林算法 话语权

2018-R-64707

2022

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)：2022.379(9)
  • 4
  • 7