CN116448425B 一种基于改进随机森林的传送带轴承远程故障诊断方法及系统 （江苏波司登科技有限公司）

US2020200648A1,2020.06.25一种基于改进随机森林的传送带轴承远程本发明公开了一种基于改进随机森林的传采用经验小波变换算法分解原始振动信号数据并与相应的故障状态数据构成训练集和测试集时采用鲸鱼优化算法优化随机森林决策树数量信号数据并通过数据预处理模块分解提取特征向量后输入随机森林故障诊断模型并输出故障2步骤2、数据预处理模块采用经验小波变换算法分解原始振动信号数据获得不同频率步骤4、所述数据采集模块采集传送带轴承的待诊断的振动信号数据并通过数据预处理模块分解提取特征向量后输入所述步骤3训练和测试完成后的随机森林故障诊断模型，由所述随机森林故障诊断模型输出故障诊断所述采用鲸鱼优化算法优化随机森林的参数的具(c1)设置鲸鱼种群当前的迭代次数为1，将随机森林决策树数量和分裂时最大特征数2.根据权利要求1所述的基于改进随机森林的传送带轴承远程故障诊断方法，其特征在于，所述步骤2中采用经验小波变换算法分解原始振动信号数据前对原始振动信号数据max表示原始振动信号数据构成的样本数据集中最大值，Xmin表示原始振动信号33.根据权利要求1所述的基于改进随机森林的传送带轴承远程故障诊断方法，其特征X(t+1)＝DXeblXcos(2πl)+X*(t)4.一种基于改进随机森林的传送带轴承远程故障诊断系统经验小波变换算法分解获得不同频率的IMF分量得到待诊断数据；所述故障诊断模块用于森林故障诊断模型进行训练和测试以及用于将待诊断数据输入训练后的随机森林故障诊所述采用鲸鱼优化算法优化随机森林的参数的具(c1)设置鲸鱼种群当前的迭代次数为1，将随机森林决策树数量和分裂时最大特征数45.根据权利要求4所述的基于改进随机森林的传送带轴承远程故障诊断系统，其特征6.根据权利要求4所述的基于改进随机森林的传送带轴承远程故障诊断系统，其特征7.根据权利要求4所述的基于改进随机森林的传送带轴承远程故障诊断系统，其特征5[0005](2)支持向量机：支持向量机通过非线性函数将训练样本映射到高维空间从而求[0009]本发明技术方案如下：一种基于改进随机森林的传送带6[0011]步骤2、数据预处理模块采用经验小波变换算法分解原始振动信号数据获得不同频率的IMF分量，提取不同的特征向量，并与相应的故障状态数据构成训练集和测试集数[0013]步骤4、所述数据采集模块采集传送带轴承的振动信号数据并通过数据预处理模块分解提取特征向量后输入所述步骤3训练和测试完成后的随机森林故障诊断模型，由所[0019](c1)设置鲸鱼种群当前的迭代次数为1，将随机森林决策树数量和分裂时最大特7[0027]进一步地，所述步骤2中采用经验小波变换算法分解原始振动信号数据前对原始0_1之间是统计的概率分布，一方面后面数据处理的方便，另外保证了程序运行时收敛加换算法分解获得不同频率的IMF分量得到待诊断数据；所述故障诊断模块用于建立随机森[0039]1、采用鲸鱼优化算法对随机森林的参数选择进行优化，相比传统的参数调优算森林模型最重要的两个参数分别为随机森林决策树数量和随机森林分裂时最大的特征数，8于采集到的原始振动信号数据采用经验小波变换算法进行分解获得不同频率的IMF分量，[0045]本发明的基于改进随机森林的传送带轴承远程故障诊断方法通过基于改进随机[0046]在本实施例中，数据采集模块1包括在传送带的电机滚动轴承的位置加装的振动故障状态和滚动体故障状态下的径向振动加速度信号。另外数据采集模块1还用于实际采9故障处理措施，远程服务器100将对应的处理措施通过数据转发模块2下发至车间运维人[0054]请结合图2所示，基于改进随机森林的传送带轴承远程故障诊断方法包括以下步[0060]然后采用python中EWT方法对归一化后的数据进行分解，在传送带电机轴承的故]如下：<γ<1),βvxe[0,1].[0069](2)利用经验小波函数和尺度函数进行经验小波变换，得到的逼近系数和细节系的傅里障诊断模型的准确率。在一个具体实施例中可以利用Mysql数据库建立传送带轴承的数据[0080]由远程服务器100的故障诊断模块4根据训练集和测试集的数据进行故障诊断模[0084](c1)设置鲸鱼种群当前的迭代次数为1，将随机森林决策树数量和分裂时最大特