收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进BFA的旋转机械故障诊断核参数优选研究

杨大炼  
【摘要】:旋转机械是现代工业生产中的核心设备,开展旋转机械故障诊断技术研究,对于确保此类设备安全、高效运行,避免巨大的经济损失和灾难性事故的发生,具有极大的经济、社会意义,同时也是对机械设备状态监测与故障诊断技术的丰富与发展。 论文以旋转机械为对象,开展基于典型核方法——核主元分析(Kernel Principal Component Analysis,KPCA)和支持向量机(Support Vector Machine,SVM)的故障诊断方法与技术研究,针对KPCA、SVM性能受核函数及其参数影响很大,而最优参数难以选取的问题,论文提出了一种改进的细菌觅食算法(Bacterial Foraging Algorithm,BFA),展开旋转机械故障诊断中核参数优化选取研究。主要研究内容如下: 1、分析了标准细菌觅食算法中存在的问题,如种群的大小、运动步长、其迭代次数完全由各种操作所设定的最大次数决定、没有引入收敛准则,难以保证求解的精度并增加不必要的迭代过程,提出了一种改进细菌觅食算法,二维连续函数仿真实验证明了改进后的细菌觅食算法不仅提高了优化速度,而且提高了求解的精度。 2、分析了核参数对KPCA特征降维的影响,设计了基于改进细菌觅食算法的KPCA特征提取算法,旋转机械故障特征实例表明,该方法能够快速、准确的对KPCA核参数进行优化。 3、设计了基于改进细菌觅食算法的SVM参数优化算法,分析和比较改进后的细菌觅食算法与传统的优化算法包括遗传算法、粒子群算法和交叉验证法之间的寻优性能,结果表明改进后的细菌觅食算法优与其他算法。 4、将基于改进细菌觅食算法的KPCA和基于改进细菌觅食算法的SVM应用到旋转机械故障诊断中,实现了基于基座多传感信息融合的滚动轴承故障诊断和基于多传感器信息融合的齿轮故障诊断。实验结果证明了本文所提方法的优越性,同时,实验中基于基座的传感器安装方式可克服现场传感器安装不便等问题,为故障诊断中振动测试提供了一种有用的参考方案,具有极大的应用推广前景。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 柳新民;刘冠军;邱静;胡茑庆;;基于1-DISVM的聚类模型及直升机齿轮箱故障诊断应用[J];航空学报;2006年03期
2 张鸿雁;;基于改进支持向量机方法的汽轮机故障诊断研究[J];煤矿机械;2008年07期
3 何凡;刘光斌;;核函数在液压泵故障诊断中的应用研究[J];煤矿机械;2009年01期
4 任丽华;王昕;赵毅斌;;基于支持向量机的液压泵故障判断方法研究[J];煤矿机械;2009年03期
5 魏巍;詹玉龙;赵倍聪;霍崇富;;基于支持向量机的船舶柴油机层次故障诊断的研究[J];南通航运职业技术学院学报;2009年01期
6 董卓;朱永利;;基于支持向量机的变压器故障多层次诊断及定位[J];陕西电力;2011年08期
7 毛志阳;陆爽;;基于K-L变换和支持向量机的滚动轴承故障诊断[J];煤矿机械;2006年06期
8 袁胜发;褚福磊;;基于引力球结构支持向量机多类算法的涡轮泵故障诊断[J];宇航学报;2006年04期
9 毛荣富;朱海潮;黄映云;;基于后验概率的支持向量机在故障诊断中的应用[J];中国机械工程;2006年S2期
10 李志农;韩捷;潘玉娜;李凌均;;机械故障矢功率谱—支持向量机识别方法研究[J];计算机工程与应用;2007年08期
11 田景文;吴浩;高美娟;;基于支持向量机的火车滚轴故障诊断[J];机床与液压;2007年07期
12 吴洪兴;彭宇;彭喜元;;基于支持向量机多分类方法的模拟电路故障诊断研究[J];电子测量与仪器学报;2007年04期
13 黄亮;侯建军;刘颖;宋伟;李赵红;;基于相量分析与支持向量机的交流电路故障诊断[J];北京交通大学学报;2008年05期
14 郑建柏;朱永利;;基于欧氏聚类和支持向量机的变压器故障诊断[J];电力科学与工程;2008年04期
15 孙来军;胡晓光;纪延超;;基于支持向量机的高压断路器机械状态分类[J];电工技术学报;2006年08期
16 武建军;马振利;张越萌;杨旭;;基于小波-支持向量机(SVM)的发动机泵机组故障诊断[J];中国测试技术;2007年05期
17 张军峰;胡寿松;;基于多重核学习支持向量机的歼击机故障诊断[J];东南大学学报(自然科学版);2007年S1期
18 张炜;张磊;李亮;;基于GA优化的SVM涡轮泵故障诊断[J];液压与气动;2009年01期
19 肖云魁;司爱威;梅检民;王保民;张威;张汝雷;;可变风险支持向量机在柴油机故障诊断中的应用[J];科学技术与工程;2009年14期
20 王焱;徐晓丹;;故障诊断应用的支持向量机多值分类算法[J];煤矿机电;2009年05期
中国重要会议论文全文数据库 前10条
1 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年
2 袁昊程;钟秋海;戴亚平;;基于支持向量机的旋转机械故障诊断[A];2003中国控制与决策学术年会论文集[C];2003年
3 史丽萍;杨晓冬;匡杰;;基于支持向量机的水泵故障诊断[A];中国计量协会冶金分会2007年会论文集[C];2007年
4 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
5 初燕;付忠广;戈志华;靳涛;卞双;;基于支持向量机的故障诊断方法探讨[A];中国动力工程学会第三届青年学术年会论文集[C];2005年
6 张军峰;胡寿松;;基于多重核学习支持向量机的歼击机故障诊断[A];第七届全国信息隐藏暨多媒体信息安全学术大会论文集[C];2007年
7 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
8 和卫星;陈晓平;陈季云;陆森林;;石油钻井传动滚动轴承的故障诊断[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
9 郭玮;李智勇;朱晟;孙慧;;支持向量机在变压器油溶解气体检测中的应用[A];第一届电力安全论坛优秀论文集[C];2008年
10 吴峰崎;孟光;张桂才;;基于高级统计量的碰摩不对中故障特征提取[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 赵冲冲;基于支持向量机的旋转机械故障诊断[D];西北工业大学;2003年
2 宋其江;基于有向图模型的故障诊断方法研究及其在航天中的应用[D];哈尔滨工业大学;2010年
3 陈非;基于过程信息融合的旋转机械信息(火用)故障诊断研究[D];华中科技大学;2010年
4 冯志鹏;计算智能在机械设备故障诊断中的应用研究[D];大连理工大学;2003年
5 何小斌;基于统计学方法的自适应过程监控与故障诊断[D];上海交通大学;2009年
6 宋凯;基于PLS的统计质量监控研究与应用[D];浙江大学;2005年
7 李敏;复杂机械基于数据的建模与故障诊断[D];太原理工大学;2010年
8 鲁峰;航空发动机故障诊断的融合技术研究[D];南京航空航天大学;2009年
9 蒋斌;机电系统故障诊断的理论与应用研究[D];浙江大学;2002年
10 盛晨兴;挖泥船动力机械远程诊断系统关键技术研究[D];武汉理工大学;2009年
中国硕士学位论文全文数据库 前10条
1 曾嵘;支持向量机在设备故障诊断中的应用研究[D];中南大学;2005年
2 杨琦;支持向量机在液压系统故障诊断中的应用研究[D];大连海事大学;2005年
3 潘庆丰;模糊模式识别技术研究及其在故障诊断中的应用[D];福州大学;2006年
4 初燕;支持向量机及其在热能工程领域中的应用[D];华北电力大学(北京);2006年
5 曾建武;粗糙集理论及故障诊断应用研究[D];浙江大学;2006年
6 郑媛媛;凸壳理论在支持向量分类机中的应用[D];东北电力大学;2009年
7 陈淼峰;基于EMD与支持向量机的转子故障诊断方法研究[D];湖南大学;2005年
8 程晓盛;基于Agent和支持向量机的远程智能诊断技术研究[D];燕山大学;2006年
9 雷瑾(Theingi Shwe);基于支持向量机的船舶主机缸盖故障诊断的研究[D];上海海事大学;2007年
10 于芙蓉;基于支持向量机的烟气轮机故障诊断研究[D];北京化工大学;2009年
中国重要报纸全文数据库 前10条
1 黄安华;液压制动系统的故障诊断[N];中国汽车报;2002年
2 李萍;济钢EAM离线网络点检和故障诊断管理系统开发应用[N];世界金属导报;2007年
3 胡荣山 马巍;上海海大一课题列入国家“863”计划[N];中国船舶报;2007年
4 孙建阳 刘波;小型渔船柴油机故障诊断与排除[N];中国渔业报;2008年
5 见习记者 仝亚娜;孙彦广:冶金故障诊断设备前景广阔[N];机电商报;2005年
6 小田;网卡故障诊断[N];中国电脑教育报;2000年
7 陈全东;干式复合“粘边”故障诊断[N];中国包装报;2003年
8 龚献荣;大型天然气装置实现网络化监测[N];中国化工报;2005年
9 周传勇 杜慧;济钢网络化设备点检与故障诊断管理系统上线运行[N];世界金属导报;2008年
10 汤怀京;WLAN也有“线”[N];中国计算机报;2004年
中国知网广告投放
 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