文献类型：期刊文章

作　　者：张钰[1] 陈珺[1] 王晓峰[2] 刘飞[1] 周文晶[2] 王志国[1]

机构地区：[1]江南大学自动化研究所轻工过程先进控制教育部重点实验室,江苏无锡214122 [2]西门子中国研究院,北京100000

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.NSFC 61403167)

年　　份：2018

卷　　号：54

期　　号：6

起止页码：100-104

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对不同轴承数据特征选择困难和单个分类器方法在滚动轴承故障诊断中精度较低的问题,提出了一种基于分类回归树(CART)的随机森林滚动轴承故障诊断算法。随机森林是包含了多种分类器的集成学习方法。通过随机森林的"集成"思想来提高滚动轴承故障诊断的精度。从滚动轴承的振动信号中提取时域统计指标,将其作为特征向量,利用随机森林(Random Forest)对滚动轴承故障进行诊断。利用SQI-MFS实验平台的轴承数据,与传统分类器(SVM、k NN和ANN)以及单个分类回归树的诊断结果相比,随机森林算法具有比较高的诊断精度。

关 键 词：滚动轴承 故障诊断 特征提取 随机森林  

分 类 号：TH17] TP39]