基于随机森林算法拖拉机齿轮箱故障诊断研究 |
| |
引用本文: | 姚鹏飞,涂亚楠,王瑞红.基于随机森林算法拖拉机齿轮箱故障诊断研究[J].农机化研究,2024(3):246-251. |
| |
作者姓名: | 姚鹏飞 涂亚楠 王瑞红 |
| |
作者单位: | 黄河交通学院 |
| |
基金项目: | 河南省高校国家级大学生创新创业训练计划项目(202013498009S); |
| |
摘 要: | 准确检测机械部件的故障是减少维修成本、生产损失和延长机器使用寿命的重要基础条件。在农业生产环境中,由于作业环境较差、干扰信号较多,导致传统故障传感器灵敏度降低,不能及时对故障进行判断与处理,故障频发。为此,选取拖拉机为研究目标,对其辅助齿轮箱进行智能故障诊断。在3种不同的转速(600、1350、2000r/min)条件下,收集了健康和故障小齿轮的振动信号,基于离散小波变换(DWT)作为信号处理,通过相关性特征选择(CFS)方法被用来进行特征选取,并采用随机森林(RF)和多层感知器(MLP)神经网络来对数据进行分类。研究结果表明:不使用特征选择的情况下,RF故障预测准确率为86.25%;在600r/min时,不使用特征选择的RF故障预测准确率为86.25%,使用CFS的最佳6个特征通过训练的RF的相应值,在600r/min时,RF故障预测准确率为92.5%;在1350r/min时,RF故障预测准确率为95.0%。
|
关 键 词: | 拖拉机 齿轮 故障分析 小波变换 随机森林 |
|
|