文档名：基于随机森林多源信息融合的压缩机故障诊断研究
气阀是往复压缩机中故障率较高的部件,针对其故障模式复杂、难以辨识的难点,提出了一种基于随机森林多源信号融合的故障诊断方法.使用随机森林的非参数数据驱动的分类特性并利用随机森林的自动抽样技术和节点随机分裂技术构建融合决策模型,采用独立分量分析对其振动信号进行降噪并获取相关特征参数作为随机森林的输入,充分利用不同传感器群组互补和冗余的有效信息进行气阀和机体的工况判别.并且随机森林可以衡量传入特征向量中各个特征的重要程度,起到了特征参数数据挖掘的作用,从而可以进一步简化诊断系统的复杂程度.实验结果表明,该融合算法提高了压缩机气阀故障诊断的准确率,且运行时间较基于BPNN及SVM的DS融合算法均有较大提高.
作者：陈志刚 张俊玲 杜小磊 钟新荣 王学渊
作者单位：北京建筑大学机电与车辆工程学院愿,北京100044;北京市建筑安全监测工程技术研究中心,北京100044北京建筑大学机电与车辆工程学院愿,北京100044中石油川庆钻探长庆井下技术作业公司,西安721001
母体文献：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集
会议名称：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议
会议时间：2018年8月1日
会议地点：内蒙古包头
主办单位：中国机械工程学会,中国振动工程学会,中国设备管理协会
语种：chi
分类号：
关键词：往复压缩机 气阀结构 故障诊断 多信息融合 随机森林
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 961.7 KB
- 下载次数:
- 60
-
高速下载
|
|
