文档介绍：第卷第期机电工程
３８１２
年月 ꎬ
轴承故障诊断方法都能取得良好的轴承故障辨识效果其分类准确率达到与采用神经网络近邻算法
ꎬ ９６％ ꎻ ＢＰ (ＢＰＮＮ)、Ｋ￣ (ＫＮＮ)、
支持向量机传统分类器的辨识结果相比采用随机森林辨识方法的分类准确率明显更高
(ＳＶＭ) ꎬ ꎮ
关键词:滚动轴承故障辨识特征提取随机森林
ꎻ ꎻ ꎻ
中图分类号: ꎻ 文献标识码: 文章编号:
ＴＨ１３３. ３３ＴＨ１６５. ３　　　　Ａ１００１－４５５１(２０２１)１２－１５９９－０６
Ｆａｕｌｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇｂａｓｅｄｏｎｒａｎｄｏｍｆｏｒｅｓｔ
１２３４
ＷＡＮＧＬａｎ￣ｌａｎ ꎬ ＺＨＵＪｉｅ ꎬ ＺＨＯＵＺｈｅｎｇ￣ｐｉｎｇ ꎬ ＣＨＡＮＧＺｈａｏ￣ｑｉｎｇ
(１. ＺｈｅｎｇｚｈｏｕＲａｉｌｗａｙＶｏｃａｔｉｏｎａｌ＆ＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅꎬ Ｚｈｅｎｇｚｈｏｕ４５１４６０ꎬ Ｃｈｉｎａꎻ２. ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇꎬ
ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓꎬ Ｚｈｅｎｇｚｈｏｕ４５００４６ꎬ Ｃｈｉｎａꎻ３. ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎꎬ ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓ
ａｎｄＡｓｔｒｏｎａｕｔｉｃｓꎬ Ｎａ