【摘要】： 齒輪箱作為機(jī)械設(shè)備中的一個(gè)重要組成部分,對(duì)其進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷有著較強(qiáng)的指導(dǎo)意義。本文將粒子群優(yōu)化算法和支持向量機(jī)結(jié)合應(yīng)用到齒輪箱故障診斷中。 本文首先以JZQ250齒輪箱為研究對(duì)象,在分析齒輪箱振動(dòng)機(jī)理和常見(jiàn)故障類型的基礎(chǔ)上,搭建了齒輪箱試驗(yàn)平臺(tái),設(shè)計(jì)了齒輪箱故障診斷試驗(yàn)方案,測(cè)試得到了不同故障下齒輪箱的振動(dòng)加速度信號(hào)。 其次,文中系統(tǒng)介紹了粒子群優(yōu)化算法的基本原理及發(fā)展,分析了粒子群算法的參數(shù)選擇原則。為了驗(yàn)證慣性權(quán)重PSO算法的性能,本文選取了四個(gè)常用的標(biāo)準(zhǔn)函數(shù)做仿真,實(shí)驗(yàn)結(jié)果表明,慣性權(quán)重PSO算法在滿足收斂精度的條件下,能夠以較快速度收斂到全局最優(yōu)解。在介紹VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的基礎(chǔ)上,闡述了支持向量機(jī)的基本理論。文中利用UCI數(shù)據(jù)庫(kù)中的Iris數(shù)據(jù)進(jìn)行仿真,通過(guò)慣性權(quán)重PSO算法對(duì)SVM模型參數(shù)的優(yōu)化,驗(yàn)證了支持向量機(jī)應(yīng)用于模式識(shí)別的優(yōu)越性。 最后,將慣性權(quán)重PSO算法對(duì)核參數(shù)和懲罰因子進(jìn)行優(yōu)化,分別建立了二分類和多分類支持向量機(jī)模型,結(jié)合齒輪箱故障診斷的試驗(yàn)數(shù)據(jù),能夠快速找到模型參數(shù)的最優(yōu)值,進(jìn)一步提高故障診斷的正確率,從而驗(yàn)證了支持向量機(jī)在小樣本故障診斷領(lǐng)域的可行性。
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：TH132.41;TH165.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐敏;林從謀;;支持向量機(jī)預(yù)測(cè)高邊坡爆破質(zhì)點(diǎn)振動(dòng)速度[J];金屬礦山;2011年06期

2 關(guān)欣;郭強(qiáng);張政超;趙靜;翟鴻君;;基于核函數(shù)支持向量機(jī)的雷達(dá)輻射源識(shí)別[J];彈箭與制導(dǎo)學(xué)報(bào);2011年04期

3 謝凌然;高長(zhǎng)偉;沈玉娣;;基于混合核函數(shù)支持向量機(jī)的齒輪診斷方法研究[J];機(jī)械傳動(dòng);2011年09期

4 王慧勤;雷剛;;基于LIBSVM的風(fēng)速預(yù)測(cè)方法研究[J];科學(xué)技術(shù)與工程;2011年22期

5 余s，

本文編號(hào)：2602268