基于粒子群優化的故障特征提取技術研究

摘要：齒輪傳動箱的故障征兆,可以通過不同的特征參量表現出來.傳動箱工作過程中,由于響應信號成分復雜,提取其敏感的故障特征信息非常困難.故障程度、部位和類型等對特征參量的敏感程度差別很大,通過傳統的特征提取和分析方法可以建立龐大的特征參量集.如何從眾多的特征參量中確定可靠有效的故障特征參量,如何根據故障對特征參量的敏感程度優化篩選特征參量集,是實現實時在線故障診斷亟待解決的一個問題.針對傳動箱故障特征選擇問題,提出了基于粒子群優化(PSO)算法的特征選擇方法.將粒子群優化技術用于研究傳動箱振動響應信號的分析與處理,用于故障診斷特征參量集的提取與優化,形成了適合該齒輪傳動箱的有效故障特征參量,從而建立了與齒輪傳動箱故障現象密切相關的特征參量集.把此算法應用到齒輪傳動箱故障診斷中,結果證明,該算法有很好的效果,提高了診斷精度,比常用的梯度下降算法具有更快的優化速度. 作者： 潘宏俠  黃晉英  毛鴻偉  劉振旺 Author： PAN Hong-xia  HUANG Jin-ying  MAO Hong-wei  LIU Zhen-wang 作者單位： 中北大學,機械工程與自動化學院,太原,030051 期 刊： 振動與沖擊   ISTICEIPKU Journal： JOURNAL OF VIBRATION AND SHOCK 年，卷(期)： 2008, 27(10) 分類號： HT133 關鍵詞： 粒子群優化    故障診斷    特征提取    傳動箱    機標分類號： TP1 TP2 機標關鍵詞： 粒子群優化    故障特征    提取技術    Particle Swarm Optimization    特征參量    齒輪傳動箱    在線故障診斷    梯度下降算法    算法的特征    振動響應    優化速度    優化篩選    優化技術    選擇問題    選擇方法    信號    特征信息    特征提取    故障征兆    故障現象 基金項目： 國家自然科學基金，山西省自然科學基金 基于粒子群優化的故障特征提取技術研究[期刊論文]  振動與沖擊 --2008, 27(10)潘宏俠  黃晉英  毛鴻偉  劉振旺齒輪傳動箱的故障征兆,可以通過不同的特征參量表現出來.傳動箱工作過程中,由于響應信號成分復雜,提取其敏感的故障特征信息非常困難.故障程度、部位和類型等對特征參量的敏感程度差別很大,通過傳統的特征提取和分析方法...

【基于粒子群優化的故障特征提取技術研究】相關文章：

基于粒子群算法的翼型優化設計04-27

基于粒子群優化的靜電陀螺支承控制優化設計04-30

基于HyperDesign平臺的粒子群優化算法插件開發及應用05-03

基于動態維度交叉的粒子群高維函數優化04-26

基于劃分和重分布的粒子群算法及優化策略04-25

基于粒子群優化算法的無人機航跡規劃04-30

基于粒子群優化算法的本構模型參數識別04-30

基于粒子群算法的飛行器再入軌跡優化04-28

故障特征提取的方法研究05-01

基于粒子群算法的并聯機構結構參數優化設計05-02