变转速工况下基于角度重采样与PCA-XGBoost轴承故障诊断方法研究

作     者：刘馨雅 马超 黄民 张占一 Liu Xinya;Ma Chao;Huang Min;Zhang Zhanyi

作者机构：北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192 北京东方振动和噪声技术研究所北京100085 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2024年第38卷第3期

页      面：45-54页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：北京市科学技术概念验证项目(20220481077)资助 

主　　题：变转速 轴承 PCA XGBoost 

摘      要：针对变转速工况下,轴承振动信号容易发生信号特征混叠、频率偏移、信号截断和噪声污染问题,提出了一种结合角度重采样、主成分分析(PCA)和极端梯度提升树(XGBoost)的故障分类模型。首先,采用脉冲信号估计轴承转速的方法对轴承振动信号进行角度重采样并求取时频特征指标;其次,利用主成分分析(PCA)对时频特征参数进行降维核心提取,选取总贡献大于95%的主元作为XGBoost模型的输入样本;最后,利用网格搜索法对XGBoost进行主要参数调优,并划分训练集和测试集对该模型进行训练,验证其故障分类的准确性。结果表明该方法的故障诊断准确率为96.44%,相较于未降维后的数据运行时间缩短了27.24 s,且角度重采样后的诊断效果明显优于未角度重采样的诊断效果,故障识别率提高了7%以上,证明所提方法能够更加快速、准确的做出诊断。