针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法。首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本...针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法。首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本处理。其次,对提取的短样本进行变分模态分解与特征提取,完成训练集和测试集的构建。然后,使用训练集训练CART决策树分类模型,同时引入随机搜索和K折交叉验证用于模型关键参数优化,以获取理想的轴承故障分类模型。测试集验证结果表明,该方法不但能实现多种轴承故障的有效诊断、在含噪测试集中表现良好,而且单个样本的数据长度和采样时长的缩短效果明显。展开更多
文摘目的探讨决策树模型对脑梗死患者降压治疗后血压达标影响因素的评估价值,为脑梗死二级预防中的降压治疗提供数据支持。方法建立Logistics回归模型和决策树模型,采用受试者工作特征曲线(Receiver Operating Characteristic,ROC)比较两种模型。结果决策树模型显示,脑梗死患者降压治疗血压达标影响因素主要包括规律运动、药物基因检测指导下的个体化用药、居住地区、居住情况。ROC曲线分析结果显示,决策树模型准确率(83.5%)和ROC曲线下面积(Area Under Curve,AUC,0.896)均高于Logistic回归模型。结论决策树模型在脑梗死患者降压治疗后血压达标预测方面具有良好的应用价值,优于Logistic回归模型。
文摘针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法。首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本处理。其次,对提取的短样本进行变分模态分解与特征提取,完成训练集和测试集的构建。然后,使用训练集训练CART决策树分类模型,同时引入随机搜索和K折交叉验证用于模型关键参数优化,以获取理想的轴承故障分类模型。测试集验证结果表明,该方法不但能实现多种轴承故障的有效诊断、在含噪测试集中表现良好,而且单个样本的数据长度和采样时长的缩短效果明显。
