摘要：针对联合收割机故障精准识别机制存在的诊断速度较慢以及多种故障场景下的诊断精确度低的问题,提出一种基于CART决策树的随机森林方法完成对联合收割机的故障诊断。此方法对联合收割机主要部件的故障数据集进行特征提取,针对不同故障情景将数据分为正常-异常二分类,建立多棵CART决策树,形成随机森林诊断模型,实现联合收割机故障的快速诊断。通过基于Labview数据采集系统采集的实际故障数据,验证该方法的有效性。同时,通过对随机森林中的重要参数的对比优化设计,得出该方法模型的最优设计结构。试验结果表明,该方法达到0.965的诊断准确率,并且具有预警速度快、操作方便、鲁棒性强的优点。

摘要：当前冶金机械设备齿轮传动装置运行特征动态变化较大,导致故障辨识难度增加,为此研究一种新型冶金机械设备齿轮传动装置故障自动辨识方法。首先应用齿轮传动动力学原理,构建冶金机械设备齿轮传动装置模型。然后通过齿轮传动装置啮合频率以及采集到的原始信号,分析齿轮动态运行特征。最后根据齿轮传动装置故障啮合特征与信号特征,完成冶金机械设备齿轮传动装置故障自动辨识。实验结果表明:该方法可进一步提升振动信号采集与分析质量,降低故障辨识结果定位误差。