摘要： 为了提高电机轴承故障的识别准确率，提出了基于自适应多尺度散布熵与会议制 随机森林算法的轴承故障诊断方法。分析了电机轴承不同故障信号的特征频率，将局部特征尺 度分解和散布熵进行结合，提取了故障信号的自适应多尺度散布熵作为特征向量。在故障模式 诊断方面，以随机森林算法为基础融入了决策树的参会权重策略，使专家型决策树具有更大的 决策权，从而提高了随机森林算法的故障诊断准确率，将此算法命名为会议制随机森林算法。 以美国凯斯西储大学的轴承数据为对象进行实验，在不同故障模式的诊断实验中，会议制随机 森林算法的识别准确率比传统算法高出了 ６．６８个百分点；在不同故障程度的内圈故障诊断实 验中，会议制随机森林算法的识别准确率比传统算法高出了 ６．２８个百分点，比马尔可夫诊断方 法高出了 ７．８６个百分点，以上数据验证了故障诊断方法的有效性。

关键词: 电机轴承故障诊断；自适应多尺度散布熵；会议制随机森林；参会权重；专家型决策树

中图分类号: 

• ＴＨ１３３．３３