改进PSO优化SVM的滚动轴承故障诊断
发布时间：2021-11-13 18:04
提出一种基于改进粒子群算法和支持向量机的滚动轴承故障诊断方法.首先分析基本粒子群算法的不足及其关键参数,提出多方面改进的粒子群算法,利用10种基准测试函数对比多种粒子群算法,证明该改进算法的优势.然后结合支持向量机,建立滚动轴承故障诊断模型,并提取滚动轴承振动信号的时域、频域、小波包节点能量和CEEMDAN分量排列熵四种特征,构成单一特征和组合特征作为诊断模型的输入特征向量.最后利用凯斯西储大学滚动轴承数据进行验证,并与网格算法、遗传算法和多种不同粒子群算法进行对比.试验证明,本改进粒子群算法优化支持向量机模型在滚动轴承故障诊断中更具优势.
【文章来源】：福州大学学报(自然科学版). 2020,48(03)北大核心
【文章页数】：8 页
【部分图文】：
故障诊断流程
特别选择编号为11的特征集合进行滚动轴承故障分析, 根据PCA方法的实现过程, 对500个样本的29维特征进行主成分分析, 各主成分贡献占比的帕累托图如图4所示.图4 PCA各主成分贡献占比的帕累托图
6种算法分别在10个基准测试函数上的寻优试验结果收敛图如图1所示. 其中横坐标为算法迭代次数、 纵坐标为适应度值(测试函数最优值). 可看出本IPSO性能远优于基本PSO、 IPSO1、 IPSO2, 在绝大多数情况下优于t_PSO, 略优于R_dPSO性能. 基本PSO、 IPSO1和IPSO2三种算法容易陷入局部最优, 迭代过程停滞不前, 寻优表现很差. t_PSO优化算法由于迭代前后期存在大小不同的扰动, 在测试函数Griewank、 Rastrigrin、 Ackley、 Rosenbrock、 Inverted Cosine Wave中, 呈现阶段性收敛变化, 对个体极值的扰动在一定程度上能够跳出局部最优, 可以在精度要求不高时满足寻找最优解要求. 在测试函数Sphere、 Schwefel’s 2.22、 Axis parallel Hyperellipsoid、 DE Jong’s 4、 Sum of Different Power中, 本IPSO和R_dPSO以比较快的收敛速度取得最优解, 在测试函数Griewank、 Rastrigrin、 Ackley中, 能快速收敛到最优解, 其中本IPSO需要的迭代次数更少, 体现其更优的搜索性能. 运用10个基准测试函数和对比5种不同的粒子群算法, 突出本IPSO的收敛速度快、 收敛精度高、 有效避免了局部最优且鲁棒性更好等优点, 本改进策略有效提高了粒子群优化性能.3 建立故障诊断模型
【参考文献】：
期刊论文
[1]R-dPSO算法及其在ATO控制策略中的应用[J]. 胡震,邹德旋,张旭. 计算机工程与应用. 2018(24)
[2]扰动粒子群优化的SDWSN路由算法[J]. 胡敏,汪腾飞,黄宏程. 计算机工程与应用. 2018(22)
[3]改进惯性权值的粒子群优化算法[J]. 南杰琼,王晓东. 西安工程大学学报. 2017(06)
[4]基于小波包近似熵和SVM的圆柱滚子轴承诊断[J]. 李学军,何能胜,何宽芳,何雷. 振动.测试与诊断. 2015(06)
[5]基于惯性权重对数递减的粒子群优化算法[J]. 戴文智,杨新乐. 计算机工程与应用. 2015(17)
[6]基于EMD熵特征融合的滚动轴承故障诊断方法[J]. 向丹,岑健. 航空动力学报. 2015(05)
[7]基于瞬时能量熵和SVM的滚动轴承故障诊断[J]. 姚亚夫,张星. 电子测量与仪器学报. 2013(10)
[8]基于随机惯量权重的快速粒子群优化算法[J]. 黄轩,张军,詹志辉. 计算机工程与设计. 2009(03)
博士论文
[1]基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D]. 吕中亮.重庆大学 2016
硕士论文
[1]光伏发电系统的故障诊断与健康监测技术研究[D]. 王凌霄.浙江大学 2018
[2]基于粒子群优化支持向量机的异常入侵检测研究[D]. 李佳.中南林业科技大学 2009
本文编号：3493465
【文章来源】：福州大学学报(自然科学版). 2020,48(03)北大核心
【文章页数】：8 页
【部分图文】：
故障诊断流程
特别选择编号为11的特征集合进行滚动轴承故障分析, 根据PCA方法的实现过程, 对500个样本的29维特征进行主成分分析, 各主成分贡献占比的帕累托图如图4所示.图4 PCA各主成分贡献占比的帕累托图
6种算法分别在10个基准测试函数上的寻优试验结果收敛图如图1所示. 其中横坐标为算法迭代次数、 纵坐标为适应度值(测试函数最优值). 可看出本IPSO性能远优于基本PSO、 IPSO1、 IPSO2, 在绝大多数情况下优于t_PSO, 略优于R_dPSO性能. 基本PSO、 IPSO1和IPSO2三种算法容易陷入局部最优, 迭代过程停滞不前, 寻优表现很差. t_PSO优化算法由于迭代前后期存在大小不同的扰动, 在测试函数Griewank、 Rastrigrin、 Ackley、 Rosenbrock、 Inverted Cosine Wave中, 呈现阶段性收敛变化, 对个体极值的扰动在一定程度上能够跳出局部最优, 可以在精度要求不高时满足寻找最优解要求. 在测试函数Sphere、 Schwefel’s 2.22、 Axis parallel Hyperellipsoid、 DE Jong’s 4、 Sum of Different Power中, 本IPSO和R_dPSO以比较快的收敛速度取得最优解, 在测试函数Griewank、 Rastrigrin、 Ackley中, 能快速收敛到最优解, 其中本IPSO需要的迭代次数更少, 体现其更优的搜索性能. 运用10个基准测试函数和对比5种不同的粒子群算法, 突出本IPSO的收敛速度快、 收敛精度高、 有效避免了局部最优且鲁棒性更好等优点, 本改进策略有效提高了粒子群优化性能.3 建立故障诊断模型
【参考文献】：
期刊论文
[1]R-dPSO算法及其在ATO控制策略中的应用[J]. 胡震,邹德旋,张旭. 计算机工程与应用. 2018(24)
[2]扰动粒子群优化的SDWSN路由算法[J]. 胡敏,汪腾飞,黄宏程. 计算机工程与应用. 2018(22)
[3]改进惯性权值的粒子群优化算法[J]. 南杰琼,王晓东. 西安工程大学学报. 2017(06)
[4]基于小波包近似熵和SVM的圆柱滚子轴承诊断[J]. 李学军,何能胜,何宽芳,何雷. 振动.测试与诊断. 2015(06)
[5]基于惯性权重对数递减的粒子群优化算法[J]. 戴文智,杨新乐. 计算机工程与应用. 2015(17)
[6]基于EMD熵特征融合的滚动轴承故障诊断方法[J]. 向丹,岑健. 航空动力学报. 2015(05)
[7]基于瞬时能量熵和SVM的滚动轴承故障诊断[J]. 姚亚夫,张星. 电子测量与仪器学报. 2013(10)
[8]基于随机惯量权重的快速粒子群优化算法[J]. 黄轩,张军,詹志辉. 计算机工程与设计. 2009(03)
博士论文
[1]基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D]. 吕中亮.重庆大学 2016
硕士论文
[1]光伏发电系统的故障诊断与健康监测技术研究[D]. 王凌霄.浙江大学 2018
[2]基于粒子群优化支持向量机的异常入侵检测研究[D]. 李佳.中南林业科技大学 2009
本文编号：3493465
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3493465.html
