基于粒子群优化的故障特征提取技术研究
齿轮传动箱的故障征兆,可以通过不同的特征参量表现出来.传动箱工作过程中,由于响应信号成分复杂,提取其敏感的故障特征信息非常困难.故障程度、部位和类型等对特征参量的敏感程度差别很大,通过传统的特征提取和分析方法可以建立庞大的特征参量集.如何从众多的特征参量中确定可靠有效的故障特征参量,如何根据故障对特征参量的敏感程度优化筛选特征参量集,是实现实时在线故障诊断亟待解决的一个问题.本文针对传动箱故障特征选择问题,提出了基于粒子群优化(PSO)算法的特征选择方法.将粒子群优化技术用于研究传动箱振动响应信号的分析与处理,用于故障诊断特征参量集的提取与优化,形成了适合该齿轮传动箱的有效故障特征参量,从而建立了与齿轮传动箱故障现象密切相关的特征参量集.把此算法应用到齿轮传动箱故障诊断中,结果证明, 该算法有很好的效果, 提高了诊断精度,比常用的梯度下降算法具有更快的优化速度.
粒子群优化 故障诊断 特征提取 传动箱 梯度下降算法
潘宏侠 黄晋英 毛鸿伟 刘振旺
中北大学机械工程与自动化学院,山西,太原,030051
国内会议
第九届全国振动理论及应用学术会议暨中国振动工程学会成立20周年庆祝大会
杭州
中文
2194-2200
2007-10-17（万方平台首次上网日期，不代表论文的发表时间）