基于PCA与决策树的转子故障诊断

被引：10

作者：

孙卫祥 ^{[1
]}

陈进 ^{[1
]}

吴立伟 ^{[1
]}

伍星 ^{[2
]}

机构：

[1] 上海交通大学振动、冲击、噪声国家重点实验室

[2] 昆明理工大学机电学院

来源：

振动与冲击 | 2007年 / 03期

关键词：

故障诊断; 转子; 决策树; 主元分析; 数据挖掘;

D O I：

10.13465/j.cnki.jvs.2007.03.019

中图分类号：

TP277 [监视、报警、故障诊断系统];

学科分类号：

0804 ; 080401 ; 080402 ;

摘要：

将数据挖掘方法引入旋转机械故障诊断领域,提出一种基于主元分析(PCA)与决策树相结合的转子故障诊断方法。该方法首先利用PCA进行特征约简,降低特征空间的维数,然后采用C4.5决策树进行训练学习以及诊断决策。通过对转子类常见故障的诊断分析,证明该方法具有比BP神经网络训练时间更短、诊断准确率稍高的特点。

引用

页码：72 / 74+159 +159

页数：4

共 6 条

[1]

机械设备振动监测与故障诊断.[M].陈进主编;.上海交通大学出版社.1999,

[2] 改进PCA在发酵过程监测与故障诊断中的应用 [J].