基于G-DPSO算法的决策树轴承故障诊断方法
张炎亮
颜健勇
郑州大学 管理工程学院,河南 郑州 450001
摘要：针对机械设备状态监测与故障诊断技术中特征提取对诊断准确性的局限,从原始故障信号数据中提取出尽可能多的有用信息.提出通过最佳特征数据集对轴承故障进行诊断分析,分别从幅域和频域对故障数据进行特征提取.采用一种改善的粒子群(G-DPSO)算法对提取的特征数据集进行筛选,对传统粒子群算法权重系数进行优化,同时和故障诊断需要的决策树模型的信息熵增相结合,可以达到将最适合故障诊断的特征向量提取出来的目的.用5种轴承故障数据对所提方法进行实验分析,诊断正确率能达到97％之上,证明所提出的方法是有效、可靠的.
关键词：轴承特征提取G-DPSO算法决策树故障诊断
分类号：TP206+.3(自动化技术及设备)
资助基金：国家自然科学基金(71801195)国家发改委数字经济试点重大工程资助项目(2018-410154-65-01-008392)河南省高等学校重点科研项目(19A630031)
论文发表日期：2021-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 41-47 )
英文信息