基于改进深度森林的电动执行器故障诊断方法

针对现有深度学习方法在电动执行器故障诊断中训练数据需求量大、调参困难问题,提出一种基于改进深度森林的电动执行器故障诊断方法.首先,利用时频域信号特征提取方法处理样本数据,并采用多粒度扫描提取多级特征;然后,将D-S证据理论与级联森林结合,克服在扩展级联森林过程中遇到的特征冗余问题;最后,采用改进深度森林方法构建了故障诊断模型,通过超参数试验和对比试验验证所提方法.结果表明:所提方法不仅能在样本数据较少时有效诊断故障类别,而且在不同工况下,表现出较好的泛化能力.