改進PSO優(yōu)化SVM的滾動軸承故障診斷
發(fā)布時間：2021-11-13 18:04
提出一種基于改進粒子群算法和支持向量機的滾動軸承故障診斷方法.首先分析基本粒子群算法的不足及其關(guān)鍵參數(shù),提出多方面改進的粒子群算法,利用10種基準測試函數(shù)對比多種粒子群算法,證明該改進算法的優(yōu)勢.然后結(jié)合支持向量機,建立滾動軸承故障診斷模型,并提取滾動軸承振動信號的時域、頻域、小波包節(jié)點能量和CEEMDAN分量排列熵四種特征,構(gòu)成單一特征和組合特征作為診斷模型的輸入特征向量.最后利用凱斯西儲大學(xué)滾動軸承數(shù)據(jù)進行驗證,并與網(wǎng)格算法、遺傳算法和多種不同粒子群算法進行對比.試驗證明,本改進粒子群算法優(yōu)化支持向量機模型在滾動軸承故障診斷中更具優(yōu)勢.
【文章來源】：福州大學(xué)學(xué)報(自然科學(xué)版). 2020,48(03)北大核心
【文章頁數(shù)】：8 頁
【部分圖文】：
故障診斷流程
特別選擇編號為11的特征集合進行滾動軸承故障分析, 根據(jù)PCA方法的實現(xiàn)過程, 對500個樣本的29維特征進行主成分分析, 各主成分貢獻占比的帕累托圖如圖4所示.圖4 PCA各主成分貢獻占比的帕累托圖
6種算法分別在10個基準測試函數(shù)上的尋優(yōu)試驗結(jié)果收斂圖如圖1所示. 其中橫坐標為算法迭代次數(shù)、 縱坐標為適應(yīng)度值(測試函數(shù)最優(yōu)值). 可看出本IPSO性能遠優(yōu)于基本PSO、 IPSO1、 IPSO2, 在絕大多數(shù)情況下優(yōu)于t_PSO, 略優(yōu)于R_dPSO性能. 基本PSO、 IPSO1和IPSO2三種算法容易陷入局部最優(yōu), 迭代過程停滯不前, 尋優(yōu)表現(xiàn)很差. t_PSO優(yōu)化算法由于迭代前后期存在大小不同的擾動, 在測試函數(shù)Griewank、 Rastrigrin、 Ackley、 Rosenbrock、 Inverted Cosine Wave中, 呈現(xiàn)階段性收斂變化, 對個體極值的擾動在一定程度上能夠跳出局部最優(yōu), 可以在精度要求不高時滿足尋找最優(yōu)解要求. 在測試函數(shù)Sphere、 Schwefel’s 2.22、 Axis parallel Hyperellipsoid、 DE Jong’s 4、 Sum of Different Power中, 本IPSO和R_dPSO以比較快的收斂速度取得最優(yōu)解, 在測試函數(shù)Griewank、 Rastrigrin、 Ackley中, 能快速收斂到最優(yōu)解, 其中本IPSO需要的迭代次數(shù)更少, 體現(xiàn)其更優(yōu)的搜索性能. 運用10個基準測試函數(shù)和對比5種不同的粒子群算法, 突出本IPSO的收斂速度快、 收斂精度高、 有效避免了局部最優(yōu)且魯棒性更好等優(yōu)點, 本改進策略有效提高了粒子群優(yōu)化性能.3 建立故障診斷模型
【參考文獻】：
期刊論文
[1]R-dPSO算法及其在ATO控制策略中的應(yīng)用[J]. 胡震,鄒德旋,張旭. 計算機工程與應(yīng)用. 2018(24)
[2]擾動粒子群優(yōu)化的SDWSN路由算法[J]. 胡敏,汪騰飛,黃宏程. 計算機工程與應(yīng)用. 2018(22)
[3]改進慣性權(quán)值的粒子群優(yōu)化算法[J]. 南杰瓊,王曉東. 西安工程大學(xué)學(xué)報. 2017(06)
[4]基于小波包近似熵和SVM的圓柱滾子軸承診斷[J]. 李學(xué)軍,何能勝,何寬芳,何雷. 振動.測試與診斷. 2015(06)
[5]基于慣性權(quán)重對數(shù)遞減的粒子群優(yōu)化算法[J]. 戴文智,楊新樂. 計算機工程與應(yīng)用. 2015(17)
[6]基于EMD熵特征融合的滾動軸承故障診斷方法[J]. 向丹,岑健. 航空動力學(xué)報. 2015(05)
[7]基于瞬時能量熵和SVM的滾動軸承故障診斷[J]. 姚亞夫,張星. 電子測量與儀器學(xué)報. 2013(10)
[8]基于隨機慣量權(quán)重的快速粒子群優(yōu)化算法[J]. 黃軒,張軍,詹志輝. 計算機工程與設(shè)計. 2009(03)
博士論文
[1]基于變分模態(tài)分解與優(yōu)化多核支持向量機的旋轉(zhuǎn)機械早期故障診斷方法研究[D]. 呂中亮.重慶大學(xué) 2016
碩士論文
[1]光伏發(fā)電系統(tǒng)的故障診斷與健康監(jiān)測技術(shù)研究[D]. 王凌霄.浙江大學(xué) 2018
[2]基于粒子群優(yōu)化支持向量機的異常入侵檢測研究[D]. 李佳.中南林業(yè)科技大學(xué) 2009
本文編號：3493465
【文章來源】：福州大學(xué)學(xué)報(自然科學(xué)版). 2020,48(03)北大核心
【文章頁數(shù)】：8 頁
【部分圖文】：
故障診斷流程
特別選擇編號為11的特征集合進行滾動軸承故障分析, 根據(jù)PCA方法的實現(xiàn)過程, 對500個樣本的29維特征進行主成分分析, 各主成分貢獻占比的帕累托圖如圖4所示.圖4 PCA各主成分貢獻占比的帕累托圖
6種算法分別在10個基準測試函數(shù)上的尋優(yōu)試驗結(jié)果收斂圖如圖1所示. 其中橫坐標為算法迭代次數(shù)、 縱坐標為適應(yīng)度值(測試函數(shù)最優(yōu)值). 可看出本IPSO性能遠優(yōu)于基本PSO、 IPSO1、 IPSO2, 在絕大多數(shù)情況下優(yōu)于t_PSO, 略優(yōu)于R_dPSO性能. 基本PSO、 IPSO1和IPSO2三種算法容易陷入局部最優(yōu), 迭代過程停滯不前, 尋優(yōu)表現(xiàn)很差. t_PSO優(yōu)化算法由于迭代前后期存在大小不同的擾動, 在測試函數(shù)Griewank、 Rastrigrin、 Ackley、 Rosenbrock、 Inverted Cosine Wave中, 呈現(xiàn)階段性收斂變化, 對個體極值的擾動在一定程度上能夠跳出局部最優(yōu), 可以在精度要求不高時滿足尋找最優(yōu)解要求. 在測試函數(shù)Sphere、 Schwefel’s 2.22、 Axis parallel Hyperellipsoid、 DE Jong’s 4、 Sum of Different Power中, 本IPSO和R_dPSO以比較快的收斂速度取得最優(yōu)解, 在測試函數(shù)Griewank、 Rastrigrin、 Ackley中, 能快速收斂到最優(yōu)解, 其中本IPSO需要的迭代次數(shù)更少, 體現(xiàn)其更優(yōu)的搜索性能. 運用10個基準測試函數(shù)和對比5種不同的粒子群算法, 突出本IPSO的收斂速度快、 收斂精度高、 有效避免了局部最優(yōu)且魯棒性更好等優(yōu)點, 本改進策略有效提高了粒子群優(yōu)化性能.3 建立故障診斷模型
【參考文獻】：
期刊論文
[1]R-dPSO算法及其在ATO控制策略中的應(yīng)用[J]. 胡震,鄒德旋,張旭. 計算機工程與應(yīng)用. 2018(24)
[2]擾動粒子群優(yōu)化的SDWSN路由算法[J]. 胡敏,汪騰飛,黃宏程. 計算機工程與應(yīng)用. 2018(22)
[3]改進慣性權(quán)值的粒子群優(yōu)化算法[J]. 南杰瓊,王曉東. 西安工程大學(xué)學(xué)報. 2017(06)
[4]基于小波包近似熵和SVM的圓柱滾子軸承診斷[J]. 李學(xué)軍,何能勝,何寬芳,何雷. 振動.測試與診斷. 2015(06)
[5]基于慣性權(quán)重對數(shù)遞減的粒子群優(yōu)化算法[J]. 戴文智,楊新樂. 計算機工程與應(yīng)用. 2015(17)
[6]基于EMD熵特征融合的滾動軸承故障診斷方法[J]. 向丹,岑健. 航空動力學(xué)報. 2015(05)
[7]基于瞬時能量熵和SVM的滾動軸承故障診斷[J]. 姚亞夫,張星. 電子測量與儀器學(xué)報. 2013(10)
[8]基于隨機慣量權(quán)重的快速粒子群優(yōu)化算法[J]. 黃軒,張軍,詹志輝. 計算機工程與設(shè)計. 2009(03)
博士論文
[1]基于變分模態(tài)分解與優(yōu)化多核支持向量機的旋轉(zhuǎn)機械早期故障診斷方法研究[D]. 呂中亮.重慶大學(xué) 2016
碩士論文
[1]光伏發(fā)電系統(tǒng)的故障診斷與健康監(jiān)測技術(shù)研究[D]. 王凌霄.浙江大學(xué) 2018
[2]基于粒子群優(yōu)化支持向量機的異常入侵檢測研究[D]. 李佳.中南林業(yè)科技大學(xué) 2009
本文編號：3493465
本文鏈接：http://sikaile.net/kejilunwen/jixiegongcheng/3493465.html
最近更新
教材專著
