基于堆叠模型分类的制冷设备异常振动故障智能诊断

袁冰冰

doi:10.16009/j.issn.1009-5624.2026.19.059

信息记录材料 ›› 2026, Vol. 27 ›› Issue (19) : 191 -193. DOI: 10.16009/j.issn.1009-5624.2026.19.059

基于堆叠模型分类的制冷设备异常振动故障智能诊断

袁冰冰

作者信息 +

Author information +

文章历史 +

摘要

制冷设备长期运行于复杂且恶劣的工作环境，导致异常振动故障频发，影响设备使用寿命。因此，本研究提出一种基于堆叠模型分类的制冷设备异常振动故障智能诊断方法。首先，利用经验模态分解算法从制冷设备的异常振动信号中提取出故障特征。其次，构建一个以随机森林、支持向量机为基学习器，岭回归为元学习器的堆叠模型，对提取特征进行分类识别，实现制冷设备异常振动故障类型的智能诊断。最后，对比实验结果表明：实验组方法在制冷设备异常振动故障智能诊断的准确率和F₁值方面，均显著高于对照组方法；应用本文方法后，制冷设备异常振动故障智能诊断结果的F₁值为0.961 7，说明该方法的诊断性能良好。