基于特征融合与IAFSA-SVM的滚动轴承故障诊断方法

发布时间：2021-09-06 16:02

　　针对滚动轴承振动信号时域特征表征故障信息不全面的问题,提出一种将云特征与时域特征相融合的方法,并对人工鱼群算法进行改进,引入了人工鱼的反向变异机制和感知行为,进行超参数寻优得到IAFSA-SVM故障诊断器。采集不同轴承故障数据集的融合特征输入IAFSA-SVM进行试验,结果表明,融合特征能更全面的表征滚动轴承的不同状态信息,将其作为IAFSA-SVM的输入可以获得更高的分类准确率。 

【文章来源】：轴承. 2020,(08)北大核心

【文章页数】：7 页

【部分图文】：

云特征-IAFSA-SVM的分类结果

云发生器模型示意图

特征融合流程图

【参考文献】：
期刊论文
[1]基于AFSA-SVM的滚动轴承故障诊断研究[J]. 姬盛飞,王丽君,吉南阳.  组合机床与自动化加工技术. 2019(01)
[2]一种变视野和步长的人工鱼群算法[J]. 鲍海兴,曾志高,朱艳辉,文志强,杜坤,任松.  湖南工业大学学报. 2018(03)
[3]基于云理论的智能变电站二次设备状态评估[J]. 王月月,陈民铀,姜振超,齐孟元,练睿.  电力系统保护与控制. 2018(01)
[4]反向自适应高斯变异的人工鱼群算法[J]. 姚凌波,戴月明,王艳.  计算机工程与应用. 2018(01)
[5]时域指标和峭度分析法在滚动轴承故障诊断中的应用[J]. 郭庆丰,王成栋,刘佩森.  机械传动. 2016(11)
[6]基于主成分分析和支持向量机的滚动轴承故障特征融合分析[J]. 古莹奎,承姿辛,朱繁泷.  中国机械工程. 2015(20)
[7]一种简化的人工鱼群算法[J]. 王联国,洪毅,赵付青,余冬梅.  小型微型计算机系统. 2009(08)
[8]逆向云在定性评价中的应用[J]. 吕辉军,王晔,李德毅,刘常昱.  计算机学报. 2003(08)
[9]一种基于动物自治体的寻优模式:鱼群算法[J]. 李晓磊,邵之江,钱积新.  系统工程理论与实践. 2002(11)
[10]隶属云和隶属云发生器[J]. 李德毅,孟海军,史雪梅.  计算机研究与发展. 1995(06)

博士论文
[1]面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D]. 郭艳平.浙江大学 2012

硕士论文
[1]基于振动信号的滚动轴承故障诊断研究[D]. 陈夔蛟.西安电子科技大学 2011
[2]SVM分类器的扩展及其应用研究[D]. 梁燕.湖南大学 2008



本文编号：3387754