振动与冲击2021，Vol.40Issue(12) ：107-113.DOI:10.13465/j.cnki.jvs.2021.12.014

基于深度森林的轴承故障诊断方法

A fault diagnosis method of mechanical bearing based on the deep forest

丁家满 吴晔辉 罗青波 杜奕
振动与冲击2021，Vol.40Issue(12) ：107-113.DOI:10.13465/j.cnki.jvs.2021.12.014
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于深度森林的轴承故障诊断方法

A fault diagnosis method of mechanical bearing based on the deep forest

丁家满 1吴晔辉 1罗青波 1杜奕2
扫码查看

作者信息

  • 1. 昆明理工大学信息工程与自动化学院,昆明650500
  • 2. 昆明理工大学城市学院,昆明650051
  • 折叠

摘要

利用深度神经网络进行机械故障诊断存在复杂的调参过程,并且参数的赋值对诊断结果影响很大,为解决该问题提出一种基于深度森林的诊断模型.采用重采样技术提取了时域和频域特征;以多组简单工况下的轴承实验数据训练构建深度森林模型,在分析超参数对模型影响的基础上确定了诊断模型的关键参数;将该模型应用到复杂工况下,与随机森林模型及深度神经网络模型进行比较,实验结果表明该方法不仅有效而且具有较强的泛化能力.

关键词

轴承故障/故障诊断/深度森林/深度学习

引用本文复制引用

基金项目

国家自然科学基金(51365020)

国家自然科学基金(51467007)

出版年

2021
振动与冲击
中国振动工程学会 上海交通大学 上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心
影响因子：0.898
ISSN：1000-3835
被引量13
参考文献量2
段落导航相关论文