[发明专利]基于改进随机森林算法的电机轴承故障诊断方法及系统

摘要

本发明涉及一种基于改进随机森林算法的电机轴承故障诊断方法，该方法包括以下顺序的步骤：(1)获取数据集；(2)振动信号分解；(3)计算相关系数；(4)提取特征数据；(5)生成改进随机森林故障诊断模型；(6)现场电机轴承故障诊断；(7)故障提示。本发明还公开了一种实施基于改进随机森林算法的电机轴承故障诊断方法的系统。本发明提出的改进随机森林算法中决策树以特征选择原理不同的改进C4.5、CART算法分别进行生成，提高了各决策树间诊断差异；本发明提出的改进随机森林算法对各决策树按其先验知识进行了权重分配，按其漏报率、准确率大小分为议长AA及议员BB两类，最终集成后，有效提高了诊断准确率、降低了漏报率。

主权项

1.一种基于改进随机森林算法的电机轴承故障诊断方法，其特征在于：该方法包括以下顺序的步骤：(1)获取数据集：用加速度传感器对电机轴承的四种振动信号分别进行采集，将采集得到的数据通过无线传输模块输入到树莓派中，获得电机轴承振动信号数据集；所述四种振动信号是指正常、内圈故障、滚动体故障和外圈故障信号；(2)振动信号分解：在树莓派中通过python的PyEMD模块中的EEMD方法对得到的振动信号数据集进行EEMD集合经验模态分解，取前8个本征模态函数IMF；(3)计算相关系数：计算各IMF分量与原振动信号的相关系数：式中：X为采集的原始振动信号；Y_i为第i个IMF分量，i＝1,2,…,8；EX为原始振动信号均值；EY_i为第i个IMF分量均值；D(X)为原始振动信号方差；D(Y_i)为第i个IMF分量方差；(4)提取特征数据：将相关系数大于0的IMF分量进行组合作为样本特征数据集T，并随机抽取70％作为训练集，30％作为测试集；(5)生成改进随机森林故障诊断模型：将生成的样本特征数据集T输入到改进随机森林算法中，生成改进随机森林故障诊断模型；(6)现场电机轴承故障诊断：通过加速度传感器对现场电机轴承振动信号进行数据采集，将数据通过无线传输模块输入到树莓派中，把每3000个数据作为一组数据集递归调用第(2)步至第(4)步，得到样本特征数据集M，先将其以txt文件保存到树莓派中以便将来进行数据分析，后将其输入到改进随机森林故障诊断模型中，得到最终诊断结果；(7)故障提示：在树莓派显示屏上点亮对应电机轴承相应故障指示灯，并通过无线传输模块将现场对应电机轴承相应故障指示灯点亮。