發(fā)布時(shí)間：2020-08-26 06:09

【摘要】： 對(duì)復(fù)雜機(jī)械系統(tǒng)進(jìn)行狀態(tài)監(jiān)測(cè)與故障診斷是人們普遍重視和關(guān)注的課題,本文在深入系統(tǒng)地研究粒子群優(yōu)化算法理論以及算法參數(shù)、性能的基礎(chǔ)上,提出了基于參數(shù)策略的粒子群改進(jìn)算法,以齒輪箱為研究對(duì)象,研究基于粒子群優(yōu)化的齒輪箱智能故障診斷理論與方法,主要研究內(nèi)容及結(jié)論如下: 1.闡述了粒子群優(yōu)化算法的基本原理,通過對(duì)其粒子速度進(jìn)化方程的分析,研究粒子本身的行為和社會(huì)行為以及主要控制參數(shù)對(duì)粒子群優(yōu)化算法性能的影響。 2.為了改善了基本粒子群優(yōu)化算法收斂性能,提出了兩種基于參數(shù)改進(jìn)策略的粒子群優(yōu)化算法,即動(dòng)態(tài)加速常數(shù)的粒子群優(yōu)化算法和速度自適應(yīng)粒子群優(yōu)化算法,改進(jìn)算法是在基本算法中分別將加速常數(shù)和最大限制速度設(shè)置為隨進(jìn)化代數(shù)變化的函數(shù),并在測(cè)試函數(shù)和神經(jīng)網(wǎng)絡(luò)中進(jìn)行了仿真研究,結(jié)果表明:改進(jìn)算法加快了基本算法的收斂速度,并給出了改進(jìn)算法參數(shù)的合理取值范圍。進(jìn)一步研究了加速常數(shù)、最大限制速度與慣性權(quán)重之間互相協(xié)同對(duì)粒子群優(yōu)化算法的控制的優(yōu)劣問題。結(jié)論是采用動(dòng)態(tài)加速常數(shù)協(xié)同慣性權(quán)重的粒子群優(yōu)化算法,可以克服標(biāo)準(zhǔn)粒子群算法搜索后期陷入局部搜索的不利之處,算法具有良好的性能。 3.針對(duì)核主元分析方法在核函數(shù)參數(shù)選擇上的盲目性,提出并實(shí)現(xiàn)了基于粒子群優(yōu)化的核主元分析的故障特征選擇方法。建立以Fisher判別函數(shù)為優(yōu)化目標(biāo)的適應(yīng)度,利用粒子群算法中多個(gè)隨機(jī)粒子實(shí)現(xiàn)核函數(shù)參數(shù)的優(yōu)化,改善了核主元分析方法的性能。通過IRIS數(shù)據(jù)仿真分析,驗(yàn)證了該方法用于特征向量的選擇的正確性和有效性。將優(yōu)化的核主元分析方法應(yīng)用于齒輪箱典型故障的特征提取中,結(jié)果表明:參數(shù)優(yōu)化的核主元分析能有效地降低齒輪箱特征向量的維數(shù),較線性主元分析取得更好故障識(shí)別效果。該方法在機(jī)械故障信號(hào)的非線性特征提取中具有優(yōu)勢(shì)。 4.提出了基于粒子群優(yōu)化的齒輪箱傳感器優(yōu)化配置方法,解決多測(cè)點(diǎn)傳感器的布置和定位問題。建立了基于模態(tài)置信準(zhǔn)則的適應(yīng)度,根據(jù)齒輪箱有限元模態(tài)計(jì)算結(jié)果,用改進(jìn)的粒子群優(yōu)化算法尋求滿足適應(yīng)度要求的傳感器布置方案,齒輪箱試驗(yàn)?zāi)B(tài)分析和頻響特性分析的結(jié)果驗(yàn)證了所提出的方法的合理性。 5.提出了基于動(dòng)態(tài)加速常數(shù)和速度自適應(yīng)粒子群優(yōu)化的智能故障診斷方法。以齒輪箱振動(dòng)信號(hào)的時(shí)、頻域特征為神經(jīng)網(wǎng)絡(luò)輸入,以齒輪箱的主要故障形式為輸出,建立基于粒子群優(yōu)化算法神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)。在訓(xùn)練和診斷過程中,粒子群優(yōu)化算法作為一種粗優(yōu)化或離線學(xué)習(xí)過程,調(diào)節(jié)和優(yōu)化具有全局性的網(wǎng)絡(luò)參數(shù),如權(quán)值和閾值等;而用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)作為一種細(xì)優(yōu)化或在線學(xué)習(xí)過程方法,優(yōu)化具有局部性的參數(shù)。診斷結(jié)果表明:所提出的智能診斷方法提高了齒輪箱故障診斷性能,為非線性復(fù)雜系統(tǒng)的故障診斷效率和精度以及診斷自動(dòng)化的提高提供一種通用的解決方案。
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2009
【分類號(hào)】：TH132.41;TP277
【圖文】：

3 基于粒子群優(yōu)化的核主元分析特征提取技術(shù)研究3．1 引言信號(hào)特征提取是機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷的關(guān)鍵技術(shù)，如圖3.1所示。特征提取方法有多種，如較常用的就是主元分析[74,75](principal component analysis ，簡稱PCA)方法，然而PCA是一種線性算法，只考慮二階統(tǒng)計(jì)特性，只能提取數(shù)據(jù)中的線性關(guān)系。當(dāng)機(jī)電設(shè)備信號(hào)特征存在著大量非線性關(guān)系時(shí)，已經(jīng)不能滿足要求[75]。圖3.1 機(jī)械設(shè)備故障診斷關(guān)鍵技術(shù)核主元分析[66](kernel principal component analysis，簡稱KPCA)是一種非線性方法，它通過某種事先選擇的非線性映射將原空間中的非線性問題轉(zhuǎn)化為特征空間中的線性問題

圖 3.3 基于粒子群優(yōu)化的核函數(shù)參數(shù)優(yōu)化流程圖究建 Iris 仿真數(shù)據(jù)集證基于粒子群核主元分析特征選擇方法的有效性和正確性析數(shù)據(jù)選用典型模式識(shí)別測(cè)試數(shù)據(jù)集之一 Iris 數(shù)據(jù)集。 Iris 花的四個(gè)屬性：萼片長度、萼片寬度、花瓣長度和花，其中第一類花與后兩類花是線性可分的，后兩類花的花各有 50 組數(shù)據(jù)。將 150 組數(shù)據(jù)分為兩個(gè)集合：訓(xùn)練據(jù)。訓(xùn)練和測(cè)試數(shù)據(jù)集樣本分布由圖 3.4 所示。

圖 3.4 Iris 訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)分布圖3．5．２ 粒子群優(yōu)化核參數(shù)的實(shí)現(xiàn)及核主元分析結(jié)果在仿真實(shí)驗(yàn)中，先用粒子群優(yōu)化方法對(duì)徑向基函數(shù)進(jìn)行參數(shù)尋優(yōu)，然后對(duì)原始特征向量進(jìn)行核主元分析，以達(dá)到降維和提取原始特征向量蘊(yùn)含的非線性特征的目的。為了與主元分析進(jìn)行比較，還采用了主元分析方法進(jìn)行原始特征向量特征選擇。粒子群優(yōu)化的適應(yīng)度進(jìn)化過程曲線如圖3．5(a)所示，核函數(shù)隨寬度 w隨進(jìn)化代數(shù)的曲線如圖3．5(b)-50x 108(a)（w*＝2.2637）2.352.4(b) 核函數(shù)寬度的進(jìn)化過程

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王新峰,邱靜,劉冠軍;基于有監(jiān)督核函數(shù)主元分析的故障狀態(tài)識(shí)別[J];測(cè)試技術(shù)學(xué)報(bào);2005年02期

2 潘明清;周曉軍;吳瑞明;雷良育;;基于主元分析的支持向量數(shù)據(jù)描述機(jī)械故障診斷[J];傳感技術(shù)學(xué)報(bào);2006年01期

3 高渤;;粒子群優(yōu)化算法的研究與展望[J];重慶工學(xué)院學(xué)報(bào);2006年11期

4 潘宏俠,姚竹亭;齒輪傳動(dòng)系統(tǒng)狀態(tài)檢測(cè)與故障診斷[J];華北工學(xué)院學(xué)報(bào);2001年04期

5 高海兵,高亮,周馳,喻道遠(yuǎn);基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法研究[J];電子學(xué)報(bào);2004年09期

6 李戈,秦權(quán),董聰;用遺傳算法選擇懸索橋監(jiān)測(cè)系統(tǒng)中傳感器的最優(yōu)布點(diǎn)[J];工程力學(xué);2000年01期

7 柯晶,錢積新;應(yīng)用粒子群優(yōu)化的非線性系統(tǒng)辨識(shí)[J];電路與系統(tǒng)學(xué)報(bào);2003年04期

8 趙艷麗,劉奇志,白士紅;模糊關(guān)聯(lián)方法在齒輪箱故障診斷中的應(yīng)用[J];沈陽航空工業(yè)學(xué)院學(xué)報(bào);2003年02期

9 劉淳安;陳一虎;;微粒群優(yōu)化算法的研究現(xiàn)狀與發(fā)展[J];海南大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年03期

10 邱英;D-S證據(jù)推理在機(jī)械故障診斷中的應(yīng)用[J];華東交通大學(xué)學(xué)報(bào);2004年02期

相關(guān)博士學(xué)位論文 前1條

1 何學(xué)文;基于支持向量機(jī)的故障智能診斷理論與方法研究[D];中南大學(xué);2004年

相關(guān)碩士學(xué)位論文 前2條

1 孫田甜;橋梁健康監(jiān)測(cè)傳感器的優(yōu)化配置方法研究[D];大連理工大學(xué);2008年

2 孟浩東;基于神經(jīng)網(wǎng)絡(luò)和灰色理論的傳動(dòng)箱故障診斷研究[D];中北大學(xué);2005年

本文編號(hào)：2804811