柱塞泵滑靴磨损信号随机森林算法故障诊断

简介

为了提高低负载下柱塞泵滑靴磨损故障状态诊断精度,提出基于随机森林算法的柱塞泵滑靴磨损故障状态识别方法。重点分析了低负载条件下各类柱塞泵滑靴故障信号的频域特征值,构建了特征数据库。验证了上述方法的适应性,并测试了柱塞泵不同程度松靴故障的诊断情况。研究结果表明滑靴磨损后频域表现出明显的波动性,袋外错误率和决策树数量呈现反比变化规律,基本都在0.05附近,将决策树最优棵数n设定在400。以随机森林算法诊断特征数据库时,在250组样本中只发生了1组误识别情况,达到了98.75%的识别准确度。随机森林方法训练时间、训练准确度与测试准确度都比其它各算法更优。松靴故障诊断结果获得了高于99.5%的总体诊断准确度。采用随机森林方法柱塞泵磨损故障状态诊断表现出优异适应性,能够对柱塞泵各故障状态进行准确诊断。