科研之友
微信
新浪微博
Facebook
分享链接
摘要
电机轴承状态直接影响电机运行可靠性。随机森林算法具有较强的抗噪和适应能力,广泛应用于电机轴承故障诊断中。针对随机森林中传统决策树算法在连续特征属性值数目过大时复杂度高及易过拟合等问题,基于聚类思想构造自适应滑动步长减少其分类结点数,提出改进的C4.5决策树和分类回归树算法;针对传统随机森林算法中各决策树产生错误差异小、投票方法忽略强弱分类器差异及漏报率等问题,使用不同决策树算法进行分类,并借鉴议会制思想确定各决策树等级及权重,提出一种计及漏报率的随机森林集成投票算法。为验证所提方法的通用性及有效性,采用时域特征提取法和集合经验模态分解法分别构造特征向量,并通过凯斯西储大学轴承数据中心数据集和现场诊断试验进行验证。实验结果表明,所提算法不仅适用于多种特征提取方法,且相较于传统随机森林算法和多层感知器算法在诊断准确率和漏报率方面均更具优势,为电机轴承故障诊断提供一种新思路。
- 单位
