基于PCA-RF的永磁电机故障诊断

摘要

针对永磁电机振动信号非周期、非线性,特征提取困难且复杂,故障难以辨识的问题,提出了一种基于主成分分析(PCA)与随机森林(RF)的故障诊断方法.本文进行了台架实验,提取正常工况、转子偏心、定子短路、轴承内圈故障的振动时域数据,以15个转速周期划分数据段,提取每段数据共13个典型时域特征和数学统计特征,引入主成分分析法对特征降维去噪、计算方差贡献率,将得到的二维特征用随机森林进行故障分类.结果表明,与传统分类算法相比,基于PCA-RF的特征信息提取更加全面,具有更高的诊断精度、更快的诊断速度.