[发明专利]基于改进决策树算法的岸桥起重机减速器状态检测方法

权利要求书

1.基于改进决策树算法的岸桥起重机减速器状态检测的方法，其特征在于，包含：

首先建立一个岸桥起重机减速器状态检测的决策树模型，然后运用决策树模型检测岸桥起重机状态，将振动传感器放置在岸桥起重机减速器上，信号传输到地面控制系统，然后对采集的减速器的振动信号进行自相关卷积以去掉随机干扰噪声，突出周期性信号，对减速器的振动信号进行傅里叶变换，得到频率幅值数据，把频率幅值数据送入建立好的岸桥起重机减速器状态检测的决策树模型，决策树模型能对送入的频率幅值数据分类，判断岸桥起重机处在正常、轮齿点蚀、轮齿折断、轴承损坏下的哪种状态，如果减速器有故障则可以及时了解并采取措施；

所述建立岸桥起重机减速器状态检测的决策树模型的方法：采集的数据涵盖岸桥起重机减速器在正常、轮齿点蚀、轮齿折断、轴承损坏等不同状态下的数据作为训练决策树的数据，通过傅里叶变换，转换成频域信息，建立训练数据与测试数据，将频域信息中的不同的频率作为决策树的属性，将每个时间段内不同频率下的幅值和岸桥起重机减速器在这一段时间内的状态分别作为决策树的数据和标签，用训练集训练决策树模型，建立一个岸桥起重机减速器状态检测的决策树模型；

把训练集H按非类别属性L＝{L₁,L₂,…,L_m}分为集合H₁,H₂,…,H_m，同时集合H_i(i＝1,2,…,m)又按照类别属性C＝{C₁,C₂,…,C_n}分为m×n个部分，形成L到C的映射，这种映射为分类矩阵A_x,c，其中a_ij为同时对应属性值H_i和属性值C_j的实例个数；建立分类矩阵A_x,c：

对于给定的训练集H，计算非类别属性信息量Info(X)为：

计算a_ijlog₂a_ij的所有值然后储存到一个数组中，在训练的过程中只需从数组中读取，减少重复计算的次数，减少决策树训练的时间；

信息增益表示不确定性减少程度，计算基于分类矩阵的信息增益Gain(A_x,c)的方法为：

加入权重因子的信息增益，使用权重因子t，让分类矩阵的信息增益在[0,1]范围内比较，通过使用分类矩阵与加入权重因子t，克服原ID3算法的多值偏向问题，提高决策树算法对起重机减速器的状态分类的准确度；加入权重因子后的分类矩阵的信息增增益为：

求出振动信号频域信息中幅值在每个频率属性下的的信息增益Q，比较不同频率属性下的Q的大小，将信息增益最大对应的频率属性作为决策树的根节点；

采用设置阈值来限制到达节点的样本个数对决策树进行剪枝，来处理决策树对数据的过拟合问题，建立决策树后用测试数据测试决策树。