基于多组合分类器的汽车变速箱故障诊断

针对于汽车变速箱故障特征信号微弱,且难以对故障类型识别问题,提出了基于多组合分类器的故障诊断方法。首先该方法将原始振动信号采用经验模态分解(Empirical Mode Decomposition,EMD)、变分模态分解(Variational Mode Decomposition,VMD)以及提升小波变换(Lifting Wavelet Transform,LWT)进行分解得到多个分量信号,再在对每个分量信号求取特征参量组成特征向量集,输入到K近邻分类器(k-Nearest Neighbor,kNN)、逻辑回归分类器(Logical Regression Multi-Classification,LRMC)以及随机森林分类器(Random Forest,RF)中,以此判断故障类型。最后经过汽车变速箱故障模拟试验台的数据验证,经过分类器性能评价指标验证,基于LWT-RF模型的故障诊断方法具有最高的准确率、精确率、F1-score。