針對(duì)設(shè)備關(guān)鍵部件異常檢測(cè)中故障數(shù)據(jù)缺失以及故障程度劃分問(wèn)題,對(duì)齒輪箱的各種類(lèi)型故障進(jìn)行了異常檢測(cè)研究,提出了基于自適應(yīng)混沌粒子群優(yōu)化的支持向量數(shù)據(jù)描述方法。該方法引入了自適應(yīng)混沌理論,對(duì)傳統(tǒng)粒子群優(yōu)化算法進(jìn)行了改進(jìn),增強(qiáng)了粒子跳出局部最優(yōu)解的能力,提高了粒子群體對(duì)最優(yōu)解的全局搜索能力;采用ACPSO對(duì)SVDD的懲罰因子以及核參數(shù)進(jìn)行了參數(shù)尋優(yōu),并應(yīng)用于齒輪箱減速器的異常檢測(cè)中。研究結(jié)果表明:ACPSO-SVDD異常檢測(cè)方法不僅能夠?qū)Σ煌?lèi)型的故障異常進(jìn)行準(zhǔn)確檢測(cè),而且能夠?qū)收蠐p傷程度進(jìn)行量化分析。 

【文章來(lái)源】：機(jī)電工程. 2020,37(04)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【圖文】：

不同狀態(tài)下的齒輪

特征敏感值

ACPSO與PSO適應(yīng)度曲線對(duì)比

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳粒子群優(yōu)化算法的認(rèn)知無(wú)線電系統(tǒng)功率分配[J]. 王宏志,姜方達(dá),周明月.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(04)
[2]單類(lèi)學(xué)習(xí)下基于VSAPSO-BP的掘進(jìn)機(jī)異常檢測(cè)方法[J]. 楊健健,唐至威,王曉林,王子瑞,吳淼.  振動(dòng).測(cè)試與診斷. 2019(01)
[3]基于改進(jìn)粒子群算法的裝配序列規(guī)劃研究[J]. 羅留祥,邢彥鋒.  輕工機(jī)械. 2018(01)
[4]采用自適應(yīng)變異粒子群優(yōu)化SVM的行為識(shí)別[J]. 張國(guó)梁,賈松敏,張祥銀,徐濤.  光學(xué)精密工程. 2017(06)
[5]基于自適應(yīng)搜索中心的骨干粒子群算法[J]. 王東風(fēng),孟麗,趙文杰.  計(jì)算機(jī)學(xué)報(bào). 2016(12)
[6]基于GA-SVDD的軸承性能退化評(píng)估[J]. 叢華,謝金良,張麗霞,馮輔周.  裝甲兵工程學(xué)院學(xué)報(bào). 2012(01)
[7]小波包-支持向量數(shù)據(jù)描述在軸承性能退化評(píng)估中的應(yīng)用研究[J]. 潘玉娜,陳進(jìn).  振動(dòng)與沖擊. 2009(04)
[8]基于支持向量數(shù)據(jù)描述的機(jī)械故障診斷研究[J]. 李凌均,張周鎖,何正嘉.  西安交通大學(xué)學(xué)報(bào). 2003(09)



本文編號(hào)：3086915