基于奇异样本熵和随机森林的某电机故障诊断研究

摘要

针对传统奇异值算法分解出的奇异值数目较多、运算量较大且不能完整表达信号矩阵整体特征与内部差异本质的缺陷,提出一种将Hankel矩阵奇异样本熵、奇异能量值和随机森林相结合的电机故障诊断方法。首先将提取到的电流信号进行Hankel矩阵转换和奇异值分解,再求出所有奇异值及其奇异能量值和奇异样本熵,最后将其作为特征参数输入到泛化性能较好的随机森林分类器进行诊断。实验结果表明,提出的故障诊断方法能有效提高某电机的故障诊断率,其最终故障诊断率高达96.7%。