文档介绍:第 卷第 期 机 电 工 程
38 12
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. 33 TH165. 3 A 1001 - 4551(2021)12 - 1599 - 06
Fault identification method of rolling bearing based on random forest
1 2 3 4
WANG Lan ̄lan ꎬ ZHU Jie ꎬ ZHOU Zheng ̄ping ꎬ CHANG Zhao ̄qing
(1. Zhengzhou Railway Vocational & Technical Collegeꎬ Zhengzhou 451460ꎬ Chinaꎻ2. School of Management Engineeringꎬ
Zhengzhou University of Aeronauticsꎬ Zhengzhou 450046ꎬ Chinaꎻ3. School of Automationꎬ Nanjing University of Aeronautics
and Astronauticsꎬ Na