随机森林在轨道交通车辆门系统亚健康状态诊断中的应用

提出了一种基于随机森林(RF)的车门亚健康状态诊断方法。首先,从车门驱动电机的电流、转速和转矩输出信号中提取时频域特征指标作为表征车门运行状态的特征向量;然后,RF通过对分类器的集成来提高车门亚健康状态诊断的精度,并且从特征指标对分类结果影响的角度评估特征的重要性。利用台架调门试验模拟车门的典型亚健康工况,采集数据并分析验证。试验结果表明,与传统的单分类器(决策树、支持向量机、贝叶斯、KNN近邻)的诊断结果相比,RF方法在车门的亚健康状态诊断中具有更高的诊断精度,并可对特征的重要性进行评估。