針對滾動軸承振動信號時域特征表征故障信息不全面的問題,提出一種將云特征與時域特征相融合的方法,并對人工魚群算法進(jìn)行改進(jìn),引入了人工魚的反向變異機(jī)制和感知行為,進(jìn)行超參數(shù)尋優(yōu)得到IAFSA-SVM故障診斷器。采集不同軸承故障數(shù)據(jù)集的融合特征輸入IAFSA-SVM進(jìn)行試驗,結(jié)果表明,融合特征能更全面的表征滾動軸承的不同狀態(tài)信息,將其作為IAFSA-SVM的輸入可以獲得更高的分類準(zhǔn)確率。 

【文章來源】：軸承. 2020,(08)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

云特征-IAFSA-SVM的分類結(jié)果

云發(fā)生器模型示意圖

特征融合流程圖

【參考文獻(xiàn)】：
期刊論文
[1]基于AFSA-SVM的滾動軸承故障診斷研究[J]. 姬盛飛,王麗君,吉南陽.  組合機(jī)床與自動化加工技術(shù). 2019(01)
[2]一種變視野和步長的人工魚群算法[J]. 鮑海興,曾志高,朱艷輝,文志強(qiáng),杜坤,任松.  湖南工業(yè)大學(xué)學(xué)報. 2018(03)
[3]基于云理論的智能變電站二次設(shè)備狀態(tài)評估[J]. 王月月,陳民鈾,姜振超,齊孟元,練睿.  電力系統(tǒng)保護(hù)與控制. 2018(01)
[4]反向自適應(yīng)高斯變異的人工魚群算法[J]. 姚凌波,戴月明,王艷.  計算機(jī)工程與應(yīng)用. 2018(01)
[5]時域指標(biāo)和峭度分析法在滾動軸承故障診斷中的應(yīng)用[J]. 郭慶豐,王成棟,劉佩森.  機(jī)械傳動. 2016(11)
[6]基于主成分分析和支持向量機(jī)的滾動軸承故障特征融合分析[J]. 古瑩奎,承姿辛,朱繁瀧.  中國機(jī)械工程. 2015(20)
[7]一種簡化的人工魚群算法[J]. 王聯(lián)國,洪毅,趙付青,余冬梅.  小型微型計算機(jī)系統(tǒng). 2009(08)
[8]逆向云在定性評價中的應(yīng)用[J]. 呂輝軍,王曄,李德毅,劉常昱.  計算機(jī)學(xué)報. 2003(08)
[9]一種基于動物自治體的尋優(yōu)模式:魚群算法[J]. 李曉磊,邵之江,錢積新.  系統(tǒng)工程理論與實踐. 2002(11)
[10]隸屬云和隸屬云發(fā)生器[J]. 李德毅,孟海軍,史雪梅.  計算機(jī)研究與發(fā)展. 1995(06)

博士論文
[1]面向風(fēng)力發(fā)電機(jī)組齒輪箱滾動軸承故障診斷的理論與方法研究[D]. 郭艷平.浙江大學(xué) 2012

碩士論文
[1]基于振動信號的滾動軸承故障診斷研究[D]. 陳夔蛟.西安電子科技大學(xué) 2011
[2]SVM分類器的擴(kuò)展及其應(yīng)用研究[D]. 梁燕.湖南大學(xué) 2008



本文編號：3387754