基于粒子群优化与支持向量机的齿轮箱故障诊断研究

发布时间：2020-03-27 01:44

【摘要】： 齿轮箱作为机械设备中的一个重要组成部分,对其进行状态监测和故障诊断有着较强的指导意义。本文将粒子群优化算法和支持向量机结合应用到齿轮箱故障诊断中。 本文首先以JZQ250齿轮箱为研究对象,在分析齿轮箱振动机理和常见故障类型的基础上,搭建了齿轮箱试验平台,设计了齿轮箱故障诊断试验方案,测试得到了不同故障下齿轮箱的振动加速度信号。 其次,文中系统介绍了粒子群优化算法的基本原理及发展,分析了粒子群算法的参数选择原则。为了验证惯性权重PSO算法的性能,本文选取了四个常用的标准函数做仿真,实验结果表明,惯性权重PSO算法在满足收敛精度的条件下,能够以较快速度收敛到全局最优解。在介绍VC维理论和结构风险最小化原则的基础上,阐述了支持向量机的基本理论。文中利用UCI数据库中的Iris数据进行仿真,通过惯性权重PSO算法对SVM模型参数的优化,验证了支持向量机应用于模式识别的优越性。 最后,将惯性权重PSO算法对核参数和惩罚因子进行优化,分别建立了二分类和多分类支持向量机模型,结合齿轮箱故障诊断的试验数据,能够快速找到模型参数的最优值,进一步提高故障诊断的正确率,从而验证了支持向量机在小样本故障诊断领域的可行性。
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TH132.41;TH165.3

【相似文献】

相关期刊论文 前10条

1 欧敏;林从谋;;支持向量机预测高边坡爆破质点振动速度[J];金属矿山;2011年06期

2 关欣;郭强;张政超;赵静;翟鸿君;;基于核函数支持向量机的雷达辐射源识别[J];弹箭与制导学报;2011年04期

3 谢凌然;高长伟;沈玉娣;;基于混合核函数支持向量机的齿轮诊断方法研究[J];机械传动;2011年09期

4 王慧勤;雷刚;;基于LIBSVM的风速预测方法研究[J];科学技术与工程;2011年22期

5 余s，

本文编号：2602268