A novel bearing current signal diagnosis method combining variational modal decomposition and improved random forests

峰度 情态动词 模式识别(心理学) 计算机科学 信号(编程语言) 断层(地质) 方位(导航) 支持向量机 混淆矩阵 随机森林 分类器(UML) 算法 数学 人工智能 统计 地质学 高分子化学 程序设计语言 化学 地震学
作者
Heyu Zhang,Yuqiao Zheng,Jieshan Lu
出处
期刊:Review of Scientific Instruments [American Institute of Physics]
卷期号:95 (2)
标识
DOI:10.1063/5.0187651
摘要

A new fault diagnosis approach based on bearing current signals is proposed in this paper. First, in view of strong background noise of the current signal, the variational modal decomposition method is applied to decompose the bearing current signal to obtain multiple intrinsic mode functions, and then the intrinsic mode functions are constructed as the input feature vector according to the kurtosis. Second, to avoid the influence of random forest parameters on the random forest classifier, a random forest faulty bearing diagnostic model optimized by the whale algorithm is established. Finally, the accuracy rate and confusion matrix are adopted to evaluate the prediction effects of both established and traditional models. The classification accuracy of the real damaged bearing fault type can reach 95.11%. The fault diagnosis accuracy of manually damaged bearings can reach 93.83%. The results show that the method proposed in this paper has high accuracy and good generalization ability for bearing fault diagnosis.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Owen应助koito采纳,获得10
1秒前
1秒前
1秒前
王雨薇应助高高笑白采纳,获得10
1秒前
2秒前
Qdada完成签到,获得积分10
3秒前
竹子完成签到,获得积分10
4秒前
虚拟的从蕾关注了科研通微信公众号
4秒前
楚晚宁完成签到,获得积分20
4秒前
酷波er应助威武白桃采纳,获得10
5秒前
5秒前
顾矜应助shawn采纳,获得10
6秒前
zy123发布了新的文献求助10
6秒前
天天快乐应助无奈的老姆采纳,获得10
7秒前
7秒前
jasmine发布了新的文献求助10
7秒前
许0602完成签到 ,获得积分10
8秒前
虚心的宛亦完成签到,获得积分10
8秒前
泥巴完成签到,获得积分10
8秒前
hhhh完成签到,获得积分10
9秒前
愉快的冰萍完成签到 ,获得积分10
9秒前
9秒前
桐桐应助小瑜儿采纳,获得10
9秒前
天天快乐应助起风了采纳,获得10
10秒前
overlood完成签到 ,获得积分10
10秒前
美好斓发布了新的文献求助10
11秒前
zimu012完成签到,获得积分10
11秒前
11秒前
浩浩完成签到 ,获得积分10
12秒前
12秒前
辜月十二完成签到 ,获得积分10
12秒前
karry完成签到 ,获得积分10
13秒前
CMUSK发布了新的文献求助10
13秒前
科研野狗完成签到 ,获得积分10
13秒前
13秒前
14秒前
Epiphany发布了新的文献求助10
14秒前
lpw发布了新的文献求助10
15秒前
15秒前
无奈的老姆完成签到,获得积分10
15秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3151195
求助须知:如何正确求助?哪些是违规求助? 2802651
关于积分的说明 7849434
捐赠科研通 2460087
什么是DOI,文献DOI怎么找? 1309478
科研通“疑难数据库(出版商)”最低求助积分说明 628915
版权声明 601760