本文關(guān)鍵詞： 等距特征映射 遺傳算法 支持向量機 齒輪箱 故障診斷　出處：《機械強度》2016年01期 　論文類型：期刊論文

【摘要】：為了解決齒輪箱故障診斷模式識別過程中參數(shù)難以確定的問題,引入了一種基于等距特征映射(Isometric feature mapping,Isomap)和改進遺傳算法(Improved genetic algorithm,IGA)優(yōu)化支持向量機(Support vector machine,SVM)參數(shù)的方法。首先在自適應(yīng)最優(yōu)鄰域參數(shù)下,對齒輪箱振動信號高維特征集數(shù)據(jù)進行等距特征映射,通過改進的遺傳算法優(yōu)化支持向量機的懲罰參數(shù)和核函數(shù)參數(shù),最終實現(xiàn)對降維后數(shù)據(jù)的識別分類。將所提方法應(yīng)用于齒輪箱故障診斷,結(jié)果表明,所提方法具有較高的診斷正確率,與傳統(tǒng)的支持向量機方法相比有更好的診斷效果。
[Abstract]:In order to solve the problem that the parameters are difficult to determine in the process of gearbox fault diagnosis pattern recognition, a kind of Isometric feature mapping based on equidistant feature mapping is introduced. Isomap) and improved genetic algorithm improved genetic algorithm. IGA) is a method to optimize support vector machine (SVM) parameters. Firstly, under the adaptive optimal neighborhood parameters. Based on the equidistant feature mapping of the high Viterbi solicitation data of gearbox vibration signal, the penalty parameters and kernel function parameters of support vector machine are optimized by improved genetic algorithm. Finally, the recognition and classification of the reduced dimension data are realized. The proposed method is applied to the gearbox fault diagnosis. The results show that the proposed method has a high diagnostic accuracy. Compared with the traditional support vector machine method, it has better diagnosis effect.
【作者單位】： 軍械工程學(xué)院火炮工程系;中國人民解放軍73903部隊;
【分類號】：TH132.41
【正文快照】： LIU Zhi Chuan1,2TANG Li Wei1CAO Li Jun1(1.Department of Artillery Engineering,Ordnance Engineering College,Shijiazhuang 050003,China)(2.73903 People’s Liberation Army Troops,Xiamen 361100,China)Corresponding author:LIU Zhi Chuan,E-mail:liuzhichuan@126.c

【相似文獻】

相關(guān)期刊論文 前10條

1 高永生;唐力偉;王建華;金海薇;;基于系統(tǒng)特性的齒輪箱故障診斷[J];煤礦機械;2006年01期

2 吳德會;;一種基于支持向量機的齒輪箱故障診斷方法[J];振動、測試與診斷;2008年04期

3 王華;包磊;宋昊明;郭穎;葉偉;;空分457齒輪箱故障診斷[J];機械研究與應(yīng)用;2008年03期

4 朱有劍;李建;;基于倒頻譜特征提取的齒輪箱故障診斷[J];科技廣場;2008年08期

5 陳勇旗;陳啟軍;;7500噸浮吊齒輪箱故障診斷系統(tǒng)的研究[J];計算機工程與應(yīng)用;2009年13期

6 田昊;唐力偉;田廣;張彥;;基于核獨立分量分析的齒輪箱故障診斷[J];振動與沖擊;2009年05期

7 楊佳鑫;齊蘊光;蔡兆中;;齒輪箱故障診斷技術(shù)現(xiàn)狀與發(fā)展趨勢[J];機電信息;2011年36期

8 王金雷;王剛;;基于系統(tǒng)模型的齒輪箱故障診斷[J];機械工程與自動化;2012年01期

9 王琦;;基于整機運轉(zhuǎn)狀態(tài)的齒輪箱故障診斷研究[J];機電信息;2013年27期

10 湯和;;齒輪箱故障診斷系統(tǒng)與方法[J];齒輪;1989年02期

相關(guān)會議論文 前6條

1 蔡安江;豆衛(wèi)濤;柴彥昌;孫少軍;;基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的齒輪箱故障診斷應(yīng)用研究[A];陜西省機械工程學(xué)會第九次代表大會會議論文集[C];2009年

2 高永生;唐力偉;甘霖;楊通強;;基于系統(tǒng)特性的齒輪箱故障診斷[A];2005年中國機械工程學(xué)會年會論文集[C];2005年

3 李愛民;;基于灰色聚類決策的齒輪箱故障診斷[A];第19屆灰色系統(tǒng)全國會議論文集[C];2010年

4 金大瑋;李建橋;賈民平;;循環(huán)自相關(guān)函數(shù)在齒輪箱故障診斷中的應(yīng)用[A];走中國特色農(nóng)業(yè)機械化道路——中國農(nóng)業(yè)機械學(xué)會2008年學(xué)術(shù)年會論文集（上冊）[C];2008年

5 董海江;趙春華;萬詩慶;汪偉;;LWPEE與SVM在風(fēng)電齒輪箱故障診斷中的應(yīng)用[A];第十一屆全國摩擦學(xué)大會論文集[C];2013年

6 雷亞國;林京;何正嘉;;基于多傳感器信息融合的行星齒輪箱故障診斷[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 許昕;基于濾波技術(shù)和粒子群優(yōu)化的齒輪箱故障診斷研究[D];中北大學(xué);2011年

，

本文編號：1477241