基于多尺度极差熵和专家森林的轴承故障诊断

针对轴承故障的敏感特征提取与模式诊断问题,提出了一种基于多尺度极差熵的故障特征提取方法和基于专家森林算法的轴承故障识别方法。首先,介绍了轴承的3种故障模式和相应的故障特征频率,引入了多尺度理论,计算了轴承振动信号的多尺度极差熵,并将其作为特征向量;然后,研究了特征向量的主成分提取法,有效降低了特征向量维度,并提取出了高敏感特征;最后,在随机森林算法中,依据决策树预测试准确率为决策树赋予了专家权值属性,提出了专家森林算法,并将专家森林算法应用于轴承故障诊断实验中。研究结果表明:使用降维特征加随机森林的故障诊断准确率比降维前特征加随机森林的诊断准确率高了17.07%,降维特征加专家森林算法的故障诊断准确率比降维特征加随机森林高了3.47%;该结果也验证了多尺度极差熵特征提取方法与专家森林故障模式识别的有效性。