基于蜂群算法的选择性神经网络集成的风机齿轮箱轴承故障诊断

发布时间：2018-10-08 13:02

【摘要】：齿轮箱故障数据建模相当复杂,其计算量极大甚至是不可行的。提出一种基于蜂群算法的选择性神经网络集成算法来解决此问题。首先选取齿轮箱轴承故障数据训练各学习器,然后给每个学习器赋予权重系数,组成权值向量作为蜜源个体用于蜂群算法寻优,最后根据得到的最优权向量和阈值比较确定需要剔除的学习器。通过多种UCI数据集分析以及实际轴承故障数据集试验,结果表明新算法诊断效率明显高于基于遗传算法的选择性神经网络集成算法,同时这两种算法诊断精度相当,甚至新算法占优。
[Abstract]:The modeling of gearbox fault data is very complicated, and its calculation is very large or even infeasible. A selective neural network ensemble algorithm based on bee colony algorithm is proposed to solve this problem. Firstly, the gearbox bearing fault data is selected to train each learner, then each learner is given a weight coefficient, and the weight vector is used as the honeysource individual to find the optimum of the bee colony algorithm. Finally, according to the comparison of the optimal weight vector and the threshold value, the learner that needs to be eliminated is determined. Through the analysis of various UCI data sets and the actual bearing fault data set test, the results show that the new algorithm is more efficient than the selective neural network ensemble algorithm based on genetic algorithm, and the diagnostic accuracy of the two algorithms is the same. Even the new algorithm dominates.
【作者单位】： 上海电机学院电气学院;上海交通大学电气工程系;
【基金】：国家自然科学基金资助项目(51477099,11304200) 上海市自然科学基金资助项目(15ZR1417300,14ZR1417200) 上海市教委创新基金项目(14YZ157,15ZZ106)
【分类号】：TM315;TP18

【相似文献】

相关期刊论文 前10条

1 尤青青;博能大功率齿轮箱[J];工程机械;2004年11期

2 ;重齿增产风电齿轮箱[J];机械工程师;2005年06期

3 梁醒培;王豪;张锴锋;;大型齿轮箱结构分析与结构优化[J];机械设计与制造;2008年01期

4 ;杭州前进齿轮箱集团高速齿轮箱领域又获新突破[J];机械研究与应用;2009年05期

5 周长李;曹建国;李胜利;;阀门齿轮箱维护研究[J];管道技术与设备;2012年03期

6 胡惠雅;船用双速齿轮箱的研制[J];舰船科学技术;1979年09期

7 刘伯凯;;三速齿轮箱[J];渔业现代化;1981年03期

8 何成宗;手动齿轮箱用润滑油新配方[J];润滑与密封;1991年03期

9 孙自求;;我国最大功率的齿轮箱试制成功[J];机械科学与技术;1991年01期

10 ;《中国齿轮专业协会一届二次工作年会会议纪要》摘录[J];齿轮;1991年04期

相关会议论文 前10条

1 王奉涛;李海峰;张亮;宋鲁涛;;高速齿轮箱性能检测系统的研制[A];2010中国仪器仪表与测控技术大会论文集[C];2010年

2 冯志鹏;褚福磊;;正则维数在齿轮状态监测中的应用研究[A];第八届全国转子动力学学术讨论会论文集[C];2008年

3 滕伟;武鑫;高青风;柳亦兵;;风电齿轮箱振动信号的倒频谱分析[A];中国自动化学会控制理论专业委员会B卷[C];2011年

4 刘静;周凤星;;一种同步齿轮箱初始故障的在线监测与诊断装置的研究[A];全国冶金自动化信息网2009年会论文集[C];2009年

5 赵立超;陈长征;;基于神经网络的风电机齿轮箱振动信号的分析与应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

6 林京;;脉冲性与周期性的利用——齿轮箱故障检测方法的内在联系[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

7 赵海燕;陈棋;;风电机组齿轮箱的故障及其解决方案[A];中国农业机械工业协会风能设备分会2011年度论文集（上）[C];2011年

8 何俊;杨世锡;甘春标;;受外部载荷激励的风机齿轮箱动力学建模及故障特征提取[A];中国力学大会——2013论文摘要集[C];2013年

9 熊黎;;风力发电齿轮箱换油方式的革命——一种全新的机械式换油方式[A];中国农机工业协会风能设备分会《风能产业》（2013年第11期）[C];2013年

10 Duka Kitaljevich;Richard Dupuis;Ming Lu;;风电齿轮箱状态监测[A];《风电技术》2013年02月第1期（总第37期）[C];2013年

相关重要报纸文章 前10条

1 方益波 张道生;好悬 杭齿轮箱谈合资险入“虎口”[N];经理日报;2006年

2 刘砦;杭齿将通过技改扩大齿轮箱产能[N];中国船舶报;2007年

3 王佑;首家“齿轮”股下月将赴港上市[N];第一财经日报;2007年

4 秦宵喊;南京高齿冲刺全球风电齿轮箱前三强[N];南京日报;2007年

5 益直;GE与第一能源集团开展风能合作[N];中国工业报;2009年

6 卢琼玉;杭齿制成世界先进水平船用齿轮箱[N];中国工业报;2009年

7 陈生华;南京高精研发出大功率非标齿轮箱[N];中国船舶报;2010年

8 细化;“常州长浪”推出异向平双低速高扭齿轮箱[N];中国包装报;2010年

9 徐同生;张庄咬定亿元目标谋求经济突破[N];江苏经济报;2009年

10 本报通讯员 周岚;他装的齿轮箱会“唱歌”[N];中国民航报;2011年

相关博士学位论文 前10条

1 郭远晶;面向风电齿轮箱的角域振动信号处理与故障诊断方法研究[D];浙江大学;2015年

2 韩龙;风力齿轮箱轴承故障的AE信号特征提取与诊断方法研究[D];哈尔滨工业大学;2016年

3 谷玉海;大型风电机组齿轮箱早期故障诊断技术与系统研究[D];机械科学研究总院;2016年

4 庄磊;电子齿轮箱关键控制技术及其应用研究[D];南京航空航天大学;2001年

5 王新晴;齿轮箱不解体诊断技术研究[D];天津大学;1998年

6 徐向阳;柔性销轴式风电齿轮箱动力学研究[D];重庆大学;2012年

7 田晓青;柔性电子齿轮箱设计及精度控制方法研究[D];合肥工业大学;2014年

8 魏秀业;基于粒子群优化的齿轮箱智能故障诊断研究[D];中北大学;2009年

9 刘强;大型矿用齿轮箱运行模态识别与结构动力模型修正研究[D];辽宁工程技术大学;2013年

10 李蓉;齿轮箱复合故障诊断方法研究[D];湖南大学;2013年

相关硕士学位论文 前10条

1 张震;基于虚实混合的齿轮箱体动力学建模与分析[D];长安大学;2015年

2 王琛;机车牵引齿轮箱密封装置内部流场的研究及结构优化设计[D];大连交通大学;2015年

3 史新东;机车牵引齿轮箱有限元分析及结构优化[D];大连交通大学;2015年

4 臧庆;高速动车组齿轮箱稳健优化设计研究[D];大连交通大学;2015年

5 孙娟;基于模型的风电齿轮箱故障检测[D];南京理工大学;2015年

6 李淑颖;齿轮箱非线性耦合系统的动力学分析[D];山东大学;2015年

7 张晶;地铁齿轮箱结构改进研究[D];上海交通大学;2015年

8 张拉专;齿轮箱早期故障信号增强与智能诊断方法研究[D];哈尔滨工业大学;2015年

9 付强;风电齿轮箱早期复合故障信息提取技术研究[D];哈尔滨工业大学;2015年

10 娄建宏;T公司风电齿轮箱的市场营销策略组合研究[D];首都经济贸易大学;2015年

，

本文编号：2256854