基于TSMRFDE和随机森林的旋转机械故障诊断

作者：宋来建; 王晓甜; 吴彬彬

来源：组合机床与自动化加工技术, 2022, (08): 125-129.

DOI：10.13462/j.cnki.mmtamt.2022.08.029

• 时移多尺度反向波动散布熵
• t-SNE
• 随机森林
• 旋转机械
• 故障诊断

为高效检测旋转机械的故障类型和严重程度，提出了一种具有优异泛化性的旋转机械故障诊断方法。首先，基于反向波动散布熵和时移粗粒化处理，开发了一种新的测量时间序列复杂度的方法，称为时移多尺度反向波动散布熵(TSMRFDE);其次，采用t-随机领域嵌入(t-SNE)对TSMRFDE进行流形降维，减小特征的冗余；最后，将低维故障特征输入至随机森林(RF)分类器进行故障识别。实验结果表明，TSMRFDE-t-SNE-RF在不同平台的实验中都取得了优异的故障识别结果，平均识别准确率分别达到了100%和97.9%,验证了该方法的泛化性和稳定性。

• 单位
  重庆科创职业学院; 西南交通大学