文献类型：期刊文章

作　　者：魏东海[1] 王磊[2] 赵志超[2] 张进杰[1]

WEI Dong-hai;WANG Lei;ZHAO Zhi-chao;ZHANG Jin-jie(Beijing University of Chemical Technology,Mechanical and Electrical Engineering Institute,Diagnosis and Self-Recovery Engineering Research Center,Beijing 100029,China;Sinopec Chongqing Natural Gas Pipeline Co.,Ltd.,Chongqing 404100,China)

机构地区：[1]北京化工大学机电工程学院诊断与自愈工程研究中心,北京100029 [2]中石化重庆天然气管道有限责任公司,重庆404100

出　　处：《机械设计与制造》

基　　金：863项目(2014AA041806);国家重点研发计划(2016YFF0203305);中央高校基本科研业务费专项资金资助(JD1815)。

年　　份：2020

期　　号：7

起止页码：63-66

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对基于单一分类器的柴油发动机常见故障识别效果不够理想,泛化性较差等问题,结合实验数据探索了一种随机森林(Random Forest,RF)分类器,提出小波包分解和随机森林相结合的柴油发动机故障诊断方法。首先,对缸盖振动信号进行小波包分解,并利用分解所得的小波包重构系数计算各频带能量特征;然后,对小波包频带能量特征进行归一化处理,得到特征向量;最后,特征向量作为输入参数输入到随机森林算法中,训练得到分类模型,对柴油机常见故障进行识别。实验结果表明,随机森林方法相比于单一分类器可以更准确的识别出柴油机的运行状态,该方法在柴油发动机在线监测与故障诊断领域中具有良好的应用前景。

关 键 词：随机森林  柴油发动机 振动信号 小波包分解 故障诊断

分 类 号：TH16] TP391.4]