基于Morlet小波与CART决策树的滚动轴承故障诊断方法

TP181%TH133.33; 针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于 Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法.首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本处理.其次,对提取的短样本进行变分模态分解与特征提取,完成训练集和测试集的构建.然后,使用训练集训练CART决策树分类模型,同时引入随机搜索和K折交叉验证用于模型关键参数优化,以获取理想的轴承故障分类模型.测试集验证结果表明,该方法不但能实现多种轴承故障的有效诊断、在含噪测试集中表现良好,而且单...

Full description

Saved in:
Bibliographic Details
Published in机械强度 Vol. 46; no. 1; pp. 1 - 8
Main Authors 刘俊利, 缪炳荣, 张盈, 李永健, 黄仲
Format Journal Article
LanguageChinese
Published 西南交通大学 牵引动力国家重点实验室, 成都 610031%五邑大学 轨道交通学院, 江门 529020 2024
Subjects
Fault diagnosis
滚动轴承
CART decision tree
故障诊断
Morlet wavelet
VMD
Morlet小波
VMD CART决策树
Rolling bearing
Online AccessGet full text
ISSN1001-9669
DOI10.16579/j.issn.1001.9669.2024.01.001

Cover

More Information
Summary:TP181%TH133.33; 针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于 Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法.首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本处理.其次,对提取的短样本进行变分模态分解与特征提取,完成训练集和测试集的构建.然后,使用训练集训练CART决策树分类模型,同时引入随机搜索和K折交叉验证用于模型关键参数优化,以获取理想的轴承故障分类模型.测试集验证结果表明,该方法不但能实现多种轴承故障的有效诊断、在含噪测试集中表现良好,而且单个样本的数据长度和采样时长的缩短效果明显.
ISSN:1001-9669
DOI:10.16579/j.issn.1001.9669.2024.01.001