基于半监督随机森林分类算法的齿轮故障诊断

作者：魏永合; 尹际雄; 马步芳

来源：沈阳理工大学学报, 2020, 39(04): 53-58.

• 齿轮故障
• 随机森林
• 半监督学习
• 自训练

针对齿轮故障振动信号的非平稳、非线性特点及有标签故障样本稀缺的问题,提出一种基于半监督随机森林分类算法的齿轮故障诊断方法。该模型先利用变分模态分解(Variational mode decomposition,简称VMD)方法将齿轮故障振动信号分解成若干个本征模态函数(Intrinsic mode function,简称IMF),并对各IMF分量进行特征提取。然后利用随机森林算法依次选择相关性较高的敏感特征,最后利用改进的半监督学习自训练方法结合随机森林算法,用少量标记样本训练初始分类器,再对大量未标记样本进行预测。将置信度高的样本用来扩充训练集,不断更新分类器提高其泛化能力。通过实验验证,该方法有效利用齿轮故障诊断中的大量低廉的无标签样本数据,提高了齿轮故障诊断的准确率。

• 单位
  沈阳理工大学; 航宇救生装备有限公司