基于多特征融合与XGBoost的风机轴承故障诊断

摘要

针对单独从时域、频域、时频域对风机轴承振动信息描述的不充分性,以及传统故障诊断算法精度较低的问题,提出了基于多特征融合与XGBoost的风机轴承故障诊断算法.首先,提取轴承振动信号的时域、频域以及时频域特征,然后利用XGBoost算法对轴承故障进行诊断,计算每个特征在树节点分裂中获取的信息增益,并根据特征信息增益对特征进行筛选,最后采用支持向量机(SVM),K最近邻(KNN),人工神经网络(ANN)等算法对筛选后的特征进行故障诊断对比实验.仿真结果表明:本文算法可以提取出具有高区分性和独立性的特征,同时在轴承故障诊断率上优于其他算法.