本文關鍵詞：基于粒子群優(yōu)化支持向量機決策樹的齒輪箱故障診斷方法　出處：《太原理工大學》2012年碩士論文　論文類型：學位論文

  更多相關文章： 齒輪箱 粒子群 決策樹 支持向量機 故障診斷

【摘要】：齒輪箱作為機械設備中一種必不可少的連接和傳遞動力的通用零件,在現(xiàn)代工業(yè)發(fā)展中具有廣泛的應用。在工業(yè)生產(chǎn)過程中,大約有80%的機械故障是由齒輪箱故障引起的,這些故障的發(fā)生將直接影響機器壽命、生產(chǎn)安全與生產(chǎn)效益等。因此,對其進行故障診斷,以保證設備正常運行具有非常重要的實際意義。本文針對齒輪箱的故障機理,研究了齒輪箱故障特征提取技術,特別是針對現(xiàn)有支持向量機在利用決策樹策略構(gòu)造多類分類器的過程中存在的問題,提出基于粒子群優(yōu)化決策樹的支持向量機模型,以解決齒輪箱故障難以及時有效地辨識的問題。 首先,本文分析齒輪箱振動機理和常見的幾種故障類型,并在此基礎上,搭建了齒輪箱試驗平臺,設計了齒輪箱故障診斷試驗方案,通過測試得到了不同故障下齒輪箱的振動響應加速度信號。 其次,通過粒子群優(yōu)化算法的基本原理,分析了粒子群算法的參數(shù)對算法精度與效率的影響,以及參數(shù)的選擇原則。為了驗證帶慣性權重PSO算法的性能,本文選取了兩個常用的標準函數(shù)做仿真,通過實驗表明,慣性權重PSO算法在滿足收斂精度的條件下,能夠快速收斂到全局最優(yōu)解。 最后,將利用慣性權重PSO算法優(yōu)良的全局搜索性能優(yōu)化支持向量機決策樹,生成最優(yōu)決策樹,構(gòu)造出多元分類器,并將其代入齒輪箱故障診斷的試驗數(shù)據(jù)中,結(jié)果表明,本論文研究的方法不但能夠有效地實現(xiàn)故障診斷,并且提高了故障診斷的正確率,該研究方法為機械設備故障診斷提供了一種更加準確、更加有效的方法。
[Abstract]:In the process of industrial production , about 80 % of the mechanical faults are caused by the failure of the gear box , and the occurrence of these faults will directly affect the machine life , the production safety and the production benefit , etc . Therefore , the fault feature extraction technology of the gear box will be directly affected by the failure mechanism of the gear box , and the support vector machine model based on the particle swarm optimization decision tree is proposed to solve the problem that the gear box is difficult to identify effectively in time . First of all , this paper analyzes the vibration mechanism of gear box and several common types of faults . On the basis of this , the gearbox test platform is built , the fault diagnosis test scheme of the gearbox is designed , and the vibration response acceleration signal of the gear box under different faults is obtained through testing . Secondly , through the basic principle of particle swarm optimization algorithm , the influence of parameters on the accuracy and efficiency of the algorithm and the selection principle of the parameters are analyzed . In order to verify the performance of the PSO algorithm with inertia weight , two commonly used standard functions are selected as the simulation , and the experiment shows that the inertia weight PSO algorithm can converge quickly to the global optimal solution under the condition of meeting the convergence accuracy . Finally , the optimal decision tree is optimized by using the global search performance of the inertial weight PSO algorithm to generate the optimal decision tree . The multi - classifier is constructed and substituted into the test data of the fault diagnosis of the gear box . The results show that the method not only can effectively realize fault diagnosis , but also improves the accuracy of fault diagnosis . The research method provides a more accurate and more effective method for fault diagnosis of mechanical equipment .

【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TH165.3;TP18

【參考文獻】

相關期刊論文 前9條

1 魏秀業(yè);潘宏俠;;齒輪箱故障診斷技術現(xiàn)狀及展望[J];測試技術學報;2006年04期

2 連可;黃建國;王厚軍;龍兵;;一種基于遺傳算法的SVM決策樹多分類策略研究[J];電子學報;2008年08期

3 高鷹,謝勝利;免疫粒子群優(yōu)化算法[J];計算機工程與應用;2004年06期

4 李寧,孫德寶,岑翼剛,鄒彤;帶變異算子的粒子群優(yōu)化算法[J];計算機工程與應用;2004年17期

5 劉建;王益群;孫福;寧淑榮;;基于粒子群理論的板形模糊模式識別方法[J];機械工程學報;2008年01期

6 延麗平;曾建潮;;具有自適應隨機慣性權重的PSO算法[J];計算機工程與設計;2006年24期

7 楊明,張載鴻;決策樹學習算法ID3的研究[J];微機發(fā)展;2002年05期

8 丁華,王秀坤,孫燾;基于PSO改進決策樹算法的研究[J];小型微型計算機系統(tǒng);2005年07期

9 謝明,丁康;基于復解析帶通濾波器的復調(diào)制細化譜分析的算法研究[J];振動工程學報;2002年04期

相關博士學位論文 前2條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 張利彪;基于粒子群和微分進化的優(yōu)化算法研究[D];吉林大學;2007年

相關碩士學位論文 前2條

1 項文娟;齒輪箱故障源信號分析方法及系統(tǒng)研究[D];浙江大學;2007年

2 周亮;基于小波分析的齒輪箱故障診斷技術的分析與研究[D];武漢科技大學;2009年

，

本文編號：1403314