收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于蜂群优化的支持向量机齿轮故障诊断技术研究

张姗姗  
【摘要】:齿轮作为机械设备中的一个重要组成部分,被广泛地应用于金属切削、航天工业、国防建设、电力交通运输等各行各业中,故障发生概率比较高,一旦发生故障就会造成停机停产,甚至威胁到人员安全,因此,对其进行状态监测和故障诊断有着非常重要的实际意义。本文主要研究了基于蜂群算法优化的支持向量机齿轮故障诊断技术。本文首先研究了齿轮常见故障类型及形成原因,分析了齿轮故障振动机理,研究了常用的几种时域指标并介绍了课题使用的故障模拟试验平台QPZZ-II。其次,研究了人工蜂群算法的基本原理,针对其进化后期收敛速度较慢、种群多样性可能过分丧失、甚至陷入局部最优解的问题,引入混沌初始化和锦标赛选择策略,通过四个标准函数的寻优仿真实验验证混沌人工蜂群算法具有更快的收敛速度和更高的寻优精度;研究了支持向量机的分类方法,选择混沌人工蜂群算法对模型参数进行寻优,利用UCI数据库中的Heart、Iris和Wine数据集进行仿真实验,验证混沌人工蜂群算法优化的支持向量机具有更高的分类正确率。利用去噪前时域参数作为特征,将该方法应用于实际的齿轮故障诊断中,得到较好的故障识别效果;利用去噪后时域参数作为特征,采用CABC-SVM方法对实际齿轮进行故障诊断,对比去噪前后的识别结果,验证了时域参数的容噪能力较差。最后,研究了S变换和模糊熵的基本理论,针对齿轮信号采集过程中噪声的影响以及信号的复杂性和非平稳性,本文提出了基于广义S变换模糊熵的特征提取方法,对信号进行广义S变换得到时频对应矩阵,然后对频率分段并计算各频段的模糊熵值作为信号特征向量,通过对模拟信号的仿真实验验证该方法能够有效降低噪声的影响。将该方法应用于实际的齿轮故障诊断中,利用蜂群优化的支持向量机作为分类器,得到较高的分类正确率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 汤和;应怀樵;汪元辉;张策;;用齿轮噪声特性诊断齿轮故障的研究[J];齿轮;1986年04期
2 高明;齿轮故障分析及诊断[J];电大理工;2000年01期
3 皮骏;廖明夫;;利用小波包络诊断齿轮故障[J];机械设计;2005年11期
4 孔文涛;许益华;;齿轮故障的原因及诊断[J];石油和化工设备;2009年03期
5 艾延廷,盛元生;时域分析技术在齿轮故障检测中的应用[J];振动、测试与诊断;1992年04期
6 潘嘉祺;《齿轮故障模拟器的开发和研制》项目通过科技成果鉴定[J];上海冶金高等专科学校学报;2000年02期
7 陈明华 ,陈海林 ,江建忠;齿轮故障的振动诊断及案例分析[J];中国设备工程;2005年07期
8 陈亮;;应用振动峰值能量对齿轮故障的诊断[J];中国设备工程;2008年04期
9 张桂才,赵万镒;幅值立方法──一种新的齿轮故障信号预处理方法[J];机械传动;1994年03期
10 刘建敏;刘远宏;江鹏程;冯辅周;;基于包络S变换时频图像提取齿轮故障特征[J];振动与冲击;2014年01期
11 徐长思;;齿轮故障的震动局部损伤信息诊断法[J];科技资讯;2008年10期
12 陈恩利;周桃;王翠艳;;改进奇异值分解技术在齿轮故障信号降噪中的应用[J];石家庄铁道学院学报(自然科学版);2009年01期
13 刘天羽;李国正;;齿轮故障不均衡分类问题的研究[J];计算机工程与应用;2010年20期
14 姚曲;;常见齿轮故障的分析和解决措施[J];装备机械;2013年01期
15 贺朝霞;刘更;刘岚;常乐浩;;基于模糊多级综合评判的齿轮故障危害度分析[J];机械传动;2013年07期
16 郑虎山;;齿轮故障的频域诊断[J];河北机电学院学报;1994年04期
17 钟发祥,罗海运;用瞬态频率波动法诊断齿轮故障[J];振动与冲击;1996年01期
18 舒大文,廖伯瑜;用振动和噪声信号诊断汽车变速箱齿轮故障的研究[J];昆明理工大学学报;1997年04期
19 张文,范国敏;功率谱分析法在泵齿轮故障监测中的应用[J];煤炭科学技术;2004年05期
20 张梅军;唐建;;用连续小波灰度图诊断齿轮故障[J];解放军理工大学学报(自然科学版);2005年06期
中国重要会议论文全文数据库 前2条
1 明廷锋;张永祥;仰德标;;齿轮故障诊断技术研究综述[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
2 张玉奎;周火青;;提升小波分析在齿轮故障中的应用[A];2012中国(唐山)绿色钢铁高峰论坛暨冶金设备、节能减排技术推介会论文集/推介指南[C];2012年
中国硕士学位论文全文数据库 前10条
1 董传洋;基于MCSA的齿轮故障诊断技术研究[D];哈尔滨工业大学;2015年
2 张姗姗;基于蜂群优化的支持向量机齿轮故障诊断技术研究[D];东北石油大学;2015年
3 赵年伟;基于声发射技术的齿轮故障监测[D];沈阳工业大学;2013年
4 Simon Romli;基于包络分析的齿轮故障监测及基于人工神经网络的齿轮故障分类[D];重庆大学;2011年
5 李海龙;基于局部特征尺度分解的齿轮故障诊断方法研究[D];湖南大学;2012年
6 马学知;基于虚拟仪器的齿轮故障测试系统[D];湖南大学;2007年
7 陈佳;齿轮故障信号实时压缩算法研究[D];重庆大学;2014年
8 周辉;齿轮故障的特征提取与模式识别技术研究[D];郑州大学;2005年
9 曹宇翔;基于核聚类与信息融合的齿轮故障诊断技术研究[D];湖南科技大学;2014年
10 祁映强;基于自相关分析和EMD理论的齿轮故障诊断方法研究[D];内蒙古科技大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978