科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对直升机系统与传递路径复杂，采集信号中成分多样，传统方式提取的特征难以有效反映信号健康状态，影响滚动轴承诊断精度等问题，在传统时域指标的基础上，结合多尺度空间对特征空间重叠和信号跨尺度复杂性问题上的优势，构建多尺度指标作为故障分类的依据。根据ReliefF算法对原始高维多尺度特征迭代计算得到权重，利用权重值进行特征选择，同时减轻计算成本。权重最大的一部分特征将作为随机森林模型的输入，利用其多分类器集成学习的优势，进行滚动轴承故障分类诊断。通过滚动轴承公开数据集来说明所提方法的优势和可行性。数据处理结果表明，多尺度特征较原始时域特征具有更好的分类性能，并且随机森林在该算法中较其他分类模型分类效果更好。
