【摘要】本文针对传统故障诊断方法依赖人工经验、准确率低且难以量化故障程度的问题，提出了一种基于随机森林模型结合非支配遗传算法（RF-NSGA-II）的胶管进油智能故障诊断方法。首先，构建了故障模拟实验平台，采集不同故障状态（严重进油、中等进油、轻微进油、正常）下的故障特征参数；其次，采用 NSGA-II 算法对随机森林的决策树数量、最大深度、节点分裂特征数等关键参数进行多目标优化，建立兼顾诊断准确率与模型泛化能力的故障诊断模型；最后，通过对比实验验证了 RF-NSGA-II 方法的有效性 , 结果表明，RFNSGA-II的故障诊断准确率达 96.7%，较未优化的 RF 提升 8.3%，且具有更强的泛化能力和鲁棒性。