基于改进麻雀搜索算法优化SVM的轴承故障诊断研究.pdf
《基于改进麻雀搜索算法优化SVM的轴承故障诊断研究.pdf》由会员分享,可在线阅读,更多相关《基于改进麻雀搜索算法优化SVM的轴承故障诊断研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、舰 船 电 子 工 程2023 年第 9 期收稿日期:2023年3月9日,修回日期:2023年4月21日作者简介:文征,男,硕士研究生,研究方向:机械故障诊断。段俊勇,男,博士,副教授,研究方向:电液伺服技术。基于改进麻雀搜索算法优化 SVM 的轴承故障诊断研究文征段俊勇杨化林(青岛科技大学青岛266100)摘要对于当前SVM分类能力受到自身参数影响较大的问题,提出一种基于改进麻雀搜索算法(ISSA)的故障诊断方法,对支持向量机进行优化。首先介绍了基本的麻雀搜索算法,之后使用高斯变异与Tent混沌映射将其进行优化改进,改进后的算法能够有效提升收敛速度,并且避免算法陷入局部最优解,增强算法的全局
2、搜索能力。采用改良的麻雀搜索算法(ISSA),优化支持向量机的惩罚参数(C)和核参数(g),构建ISSA-SVM滚动轴承故障诊断模型。最终结果显示,ISSA-SVM诊断模型对滚动轴承正常状态和故障状态下的故障诊断准确率最高达 100%,比改进前的麻雀搜索算法诊断模型(SSA-SVM)提高了1.81%,比粒子群优化算法诊断模型(PSO-SVM)提高了2.23%。关键词故障诊断;支持向量机;麻雀搜索算法;混沌映射;高斯变异中图分类号TH133.33DOI:10.3969/j.issn.1672-9730.2023.09.031Research on Bearing Fault Diagnosis
3、Based on Improved SparrowSearch Algorithm to Optimize SVMWEN ZhengDUAN JunyongYANG Hualin(Qingdao University of Science and Technology,Qingdao266100)AbstractFor the current problem that the classification ability of SVM is greatly affected by its own parameters,a fault diagnosis method based on impr
4、oved sparrow search algorithm(ISSA)is proposed to optimize the support vector machine.Firstly,thebasic sparrow search algorithm is introduced,and then the Tent chaotic mapping and Gaussian variation are applied to the sparrowsearch algorithm for optimization to improve the convergence speed and glob
5、al search ability of the algorithm,so as to avoid the algorithm from falling into the local optimal solution.The improved sparrow search algorithm(ISSA)is used to optimize the penalty parameters(C)and nuclear parameters(g)of the support vector machine to construct the ISSA-SVM rolling bearing fault
6、diagnosismodel.The final results show that the ISSA-SVM diagnostic model has up to 100%accuracy in troubleshooting in the normal andfault conditions of rolling bearings,which is 1.81%higher than the improved sparrow search algorithm diagnostic model(SSA-SVM)and 2.23%higher than the particle swarm op
7、timization algorithm diagnostic model(PSO-SVM).Key Wordsfault diagnosis,support vector machine,sparrow search algorithm,chaos mapping,Gaussian variationClass NumberTH133.33总第 351 期2023 年第 9 期舰 船 电 子 工 程Ship Electronic EngineeringVol.43 No.91引言轴承是机械设备中的重要组成部分,主要功能是支持机械旋转体,减少机械转动中产生的摩擦。随着现代工业的发展,机械设备需
8、要维持长时间的运行,对其整体的强度有了新的要求,这也导致机械出现故障的概率有了明显的提高1。其中,滚动轴承作为机械设备的一部分,其重要性不言而喻,据相关统计,工业机械的故障大多与滚动轴承有关。因此,如何正确诊断滚动轴承故障,对于降低机械设备的维护成本,减少事故的发生具有重要意义2。目前,机器学习方法如神经网络、模糊聚类、粗糙集等技术不断应用于滚动轴承故障诊断领域。曲建岭等3将一维卷积神经网络(ACNN-FD)应用于滚动轴承的故障诊断,其故障识别的准确率较151总第351期高,同时在不同负载下有良好的泛化能力,但是模型的训练时间较长,算法的运行效率较低;欧阳承达等4提出了一种基于模糊聚类的故障诊
9、断方法,可以对滚动轴承所处的工作状态进行较为准确的判断,加强了故障识别能力但存在诊断效率低的缺点;陈佳5将粗糙集理论作为全新的特征降维技术,用于轴承故障诊断。优化特征参量,实现滚动轴承更为高效的故障诊断,但在算法搜索精度、开拓能力上仍然存在不足。考虑到上述方法的缺陷,以及采集轴承样本的困难程度,这些方法的使用在一定程度上有局限性。与这些方法相比,支持向量机(Support VectorMachine,SVM)在样本较小的情况下能够有效完成模式识别,增强高泛化能力强,防止过度学习的出现。许迪等6提出了量子遗传算法优化SVM 参数的分类器,能显著提高全局收敛能力,但计算量大且收敛速度慢;李红月等7
10、提出了一种基于改进天鹰算法优化向量机的电机轴承故障诊断方法,该方法具有较好的优化时间效应,但在全局搜索能力上有一定的弱势。针对上述方法出现的问题,本文采用了改进麻雀搜索算法(ISSA)优化支持向量机的方法。首先,在基础的麻雀搜索算法上引入Tent映射初始化种群,确保初始解尽量分布在求解空间中。然后引入高斯变异,增强种群多样性,有利于更好地对潜在区域进行搜索,从而提高搜索速度,加速算法收敛趋势的优化。最后对于SVM的参数使用ISSA进行优化,构建ISSA-SVM故障分类模型,搭建实验平台对上述诊断模型进行验证,所得结果表明该方法的准确性有较高的提升。2ISSA算法麻雀搜索算法(Sparrow S
11、earch Algorithm,SSA)是由 Jiankai Xue等于 2020年提出。研究表明,圈养的麻雀存在两种不同类型:发现者和追随者。发现者负责寻找食物,并反馈具体方位,追随者主要是监视发现者并与之争抢食物。当种群遇到捕食者时,其中的一个或者多个个体就会通过声音向其它麻雀传递危险来临的信号,确保麻雀种群能够及时地避开危险,继续寻找安全的觅食区域,这样的麻雀被称为警觉者8。麻雀搜索算法就是利用麻雀的这种生物特性进行迭代寻优的优化算法。2.1Tent混沌SSA算法在种群进行初始化时具有随机性,无法保证麻雀种群均匀分布,从而降低了后续的收敛速度。然而,混沌映射由于具有随机性、遍历性和规律性
12、等特点,在算法的优化上应用较广,可以有效地保持种群的多样性、提高算法的搜索精度和收敛速度9。混沌映射的主要类型有三种,分别为Logistic映射、Tent映射、Circle映射,单梁10等通过严格的数学推理,验证了与另外两种映射相比Tent的遍历均匀性更好,可以作为混沌序列产生优化算法。其表达式为zi+1=2zi0z122()1-zi12z1(1)2.2高斯变异高斯变异(Gaussian Mutation,GM)是利用服从正态分布的随机数作用于原位置向量产生新位置的优化策略。变异算子大多分布在原始位置周围,相当于邻域搜索在一个较小的区域内进行。这种变异在算法的准确性和全局搜索能力上都有一定的提
13、升,对算法的改进有着明显的效果。同时,远离当前位置的少数算子增强了种群的多样性,有助于更好地对潜在区域进行搜索,从而提高搜索速度,加速了收敛趋势的算法优化。高斯变异的表达式如下所示:mutation()x=x()1+N()01(2)式中:x为原始的参数值;N()01表示期望为 0,标准差为1的正态分布随机数;mutation()x为高斯变异后得到的数值。2.3算法性能对比将优化前后的两种算法进行对比,以检验优化效果。麻雀搜索算法的设置种群规模为30,最大迭代次数为 1000。表 1为 4个不同类型的基准函数,其中前两种为高维单峰函数,后面的 F3和 F4为高维多峰函数,通过不同函数检验优化效果
14、。采用的两个测试指标分别为平均值(mean)和标准差(std),测试结果如表2所示。表 1四种基准函数编号F1F2F3F4函数SphereSchwefell 1.2RastriginAckley维数30303030搜索区间-100,100-100,100-5.12,5.12-32,32理论极值0000从表2中可知,单峰函数F1和F2,其最优值在搜索区间中的数量为1。通过对平均值的分析,我们发现ISSA算法能寻找到理论极值0,而SSA算法只能寻找到一个接近0的值,ISSA的寻优能力明显文征等:基于改进麻雀搜索算法优化SVM的轴承故障诊断研究152舰 船 电 子 工 程2023 年第 9 期高于S
15、SA。并且std都为0,说明ISSA的寻优能力较为稳定。表 2四种基准函数测试结果函数F1F2F3F4指标meanstdmeanstdmeanstdmeanstdSSA6.59E-1300.00E+009.07E-690.00E+003.68E-061.10E-058.88E-160.00E+00ISSA0.00E+000.00E+000.00E+000.00E+000.00E+000.00E+008.88E-160.00E+00F1和F2的收敛曲线如图1所示,从两种算法在不同测试函数的收敛曲线中可以看出,优化后的ISSA算法相较于之前的SSA算法在收敛速度上有了较大的提升,优化效果较好。10
16、0101102103迭代次数(a)F12520151050适应度值SSAISSA2015105适应度值100101102103迭代次数(b)F2SSAISSA图1F1、F2收敛曲线对于多峰函数F3,在图2中可以明显的看到,ISSA在收敛过程中的速度比SSA更快,并且SSA在收敛过程中出现多次局部最优值,并且无法跳出。图3为多峰函数F4的收敛曲线,其中ISSA在进行迭代后较快就能找到最优值,而SSA在迭代几十次之后才能找到最优值,所以通过函数F4的测试,ISSA的寻优速度依旧比SSA更快。综上所述,经过4个基准函数的测试,ISSA的寻优能力提升明显,且稳定性好、鲁棒性强,优势明显;同时,与SSA
17、相比,ISSA的收敛速度更快,全局搜索能力更强,能有效避免陷入局部最优解,由此证明了ISSA算法的可行性和优越性。12108642适应度值100101102103迭代次数SSAISSA图2F3收敛曲线0.10.080.060.040.02适应度值100101102103迭代次数SSAISSA图3F4收敛曲线3基于ISSA优化的SVM3.1支持向量机(SVM)作为机器学习的一种,SVM的核心思想是使类别之间的间隔最大化,确保分类有更高的可信度和泛化能力,而靠近边界的数据点被称为支持向量,这个方法最早被应用于统计学11。SVM 寻找最优分类线时,当线性不可分割时,引入松弛变量,成为软间隔支持向量机
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 麻雀 搜索 算法 优化 SVM 轴承 故障诊断 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。