文献类型：期刊文章

作　　者：秦喜文[1,2] 郭宇[1] 郭佳静[1] 董小刚[1] 冯阳洋[1] 王强进[1]

QIN Xiwen;GUO Yu;GUO Jiajing;DONG Xiaogang;FENG Yangyang;WANG Qiangjin(School of Mathematics and Statistics,Changchun University of Technology,Changchun 130012,China;School of Automotive Engineering Research,Changchun University of Technology,Changchun 130012,China)

机构地区：[1]长春工业大学数学与统计学院,吉林长春130012 [2]长春工业大学汽车工程研究院,吉林长春130012

出　　处：《长春工业大学学报》

基　　金：国家自然科学基金资助项目(11301036;11226335;11571051);吉林省教育厅科研基金资助项目(JJKH20170540KJ)

年　　份：2018

卷　　号：39

期　　号：5

起止页码：417-423

语　　种：中文

收录情况：AJ、CAS、普通刊

摘　　要：提出了一种基于LMD和随机森林相结合的滚动轴承故障诊断方法,该方法融合了LMD和随机森林算法,利用LMD分解方法将滚动轴承振动信号分解成若干个PF分量,轴承发生不同故障时,不同PF分量内的统计特征和频带能量会发生变化,从不同的PF分量中计算出其对应的均值、标准差与信息熵等特征值,将这些特征值构造成特征向量,最后运用随机森林算法实现分类滚动轴承类型。结果表明,利用LMD和随机森林相结合算法具有较高的识别精度,可以有效识别滚动轴承的故障类型。

关 键 词：滚动轴承 故障诊断 局部均值分解 特征向量 随机森林  

分 类 号：TP206.3]