基于广义正态分布算法优化支持向量机的电机轴承故障诊断研究.pdf
《基于广义正态分布算法优化支持向量机的电机轴承故障诊断研究.pdf》由会员分享,可在线阅读,更多相关《基于广义正态分布算法优化支持向量机的电机轴承故障诊断研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、设 计 与 研 究53基于广义正态分布算法优化支持向量机的 电机轴承故障诊断研究陈鑫洋 李水明(柳州铁道职业技术学院,柳州 545616)摘 要:为了提高旋转机械设备故障诊断的准确率,提出一种基于广义正态分布优化(Generalized Normal Distribution Optimization,GNDO)的支持向量机(Support Vector Machine,SVM)算法。在 SVM 算法的基础上,使 GNDO 对其进行寻优求解,找到 SVM 算法的最优参数组,以此推导出 GNDO-SVM 算法。结果表明,在电机轴承故障诊断中,GNDO-SVM 算法相较于 SVM 算法的分类准确率
2、提高了 3.9 个百分点,有着更好的有效性和准确性。关键词:故障诊断;支持向量机(SVM);电机轴承;广义正态分布优化(GNDO)Research on Motor Bearing Fault Diagnosis Based on Generalized Normal Distribution Algorithm Optimization Support Vector MachineCHEN Xinyang,LI Shuiming(Liuzhou Railway Vocational Technical College,Liuzhou 545616)Abstract:In order to i
3、mprove the accuracy of rotating machinery fault diagnosis,a Support Vector Machine(SVM)algorithm based on Generalized Normal Distribution Optimization(GNDO)is proposed.On the basis of SVM,GNDO is used to optimize the generalized normal distribution optimization.Find the optimal parameter set of SVM
4、algorithm,and then derive the GNDO-SVM algorithm.The results show that compared with the SVM algorithm,the GNDO-SVM algorithm has a higher classification accuracy of 3.9 percentage points,and has better effectiveness and accuracy in motor bearing fault diagnosis.Keywords:fault diagnosis;Support Vect
5、or Machine(SVM);motor bearing;Generalized Normal Distribution Optimization(GNDO)随着工业的发展,电机轴承在旋转机械设备中得到广泛应用。但是,大多数旋转机械设备通常在满负载的条件下运行,而且工作环境极为恶劣,导致电机轴承损坏加剧,如果不及时处理,会导致设备损坏,甚至对操作人员的人身安全产生严重威胁。因此,研究一种高精准度的算法来识别故障零件十分必要。旋转机械设备的故障诊断问题,一直是国内外专家的研究热点。崔建国等通过使用改进的灰狼算法(Improved Grey Wolf Optimization,IGWO)来优化核
6、极限学习机(Kernel Based Extreme Learning Machine,KELM),对航空发动机进行了故障诊断技术研究1。张婕等通过将变分模态分解(Variational Mode Decomposition,VMD)与精细复合多尺度均值散布熵(Refined Composite Multiscale Mean Dispersion Entropy,RCMMDE)相结合的形式,提取电机轴承的故障特征数据,以此提高诊断精度2。为了准确辨别旋转机械设备的故障振动信号,提出一种基于广义正态分布优化(Generalized Normal Distribution Optimizatio
7、n,GNDO)的支持向量机(Support Vector Machine,SVM)算法,并通过实验证明了 GNDO-SVM 算法在故障诊断中的有效性和准确性。1 GNDO-SVM 算法1.1 广义正态分布优化算法GNDO 算法是一种基于正态分布的优化算法,用于解决连续型优化问题3。GNDO 算法通过模型建立和分布采样来平衡全局寻优和局部寻优,在一些复杂的优化问题中体现其优越性和准确性4。1.1.1 局部寻优局部寻优的过程通过式(1)式(4)来展现。vit=i+ii,i=1,2,3,N(1)式中:vit为轨迹向量;i和i分别为广义平均位置和标准差;i为惩罚因子。()best13ttiixxM=+
8、(2)式中:xit为任意点位置;xtbest和M分别为当前最优位置和平均位置。基金项目:2021 年度广西高校中青年教师科研基础能力提升项目“智能电机轴承故障监测系统研究”(2021KY1405);2022 年度广西高校中青年教师科研基础能力提升项目“转辙机缺口智能监测预警系统研究”(2022KY1422);2020 年广西高等学校千名中青年骨干教师培育计划项目(桂教教师 202058 号)。现 代 制 造 技 术 与 装 备542023 年第 9 期总第 322 期()()()222best13ttiiiiixxM=+(3)()()1212logcos 2,logcos 2,iab=+其他(
- 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 广义 正态分布 算法 优化 支持 向量 电机 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。