基于粒子群优化LS-WSVM的旋转机械故障诊断

被引:25
作者
陈法法
汤宝平
董绍江
机构
[1] 重庆大学机械传动国家重点实验室
关键词
粒子群; 小波支持向量机; EMD分解; 参数优化; 旋转机械; 故障诊断;
D O I
10.19650/j.cnki.cjsi.2011.12.017
中图分类号
TH165.3 [];
学科分类号
摘要
为了更好地进行旋转机械故障诊断,提出一种粒子群优化(particle swarm optimization,PSO)最小二乘小波支持向量机(least square wavelet support vector machine,LS-WSVM)的故障诊断模型。先将故障信号经验模式分解(empirical mode decomposition,EMD)为多个内禀模态分量(intrinsic mode function,IMF)之和,再提取表征故障特征的IMF分量能量构造特征向量输入到PSO优化的LS-WSVM进行故障模式识别。EMD分解可自适应提取故障特征信号,PSO参数优化可快速准确得到LS-WSVM的全局最优参数,提高LS-WSVM的故障诊断精度和自适应诊断能力。通过滚动轴承的故障模拟实验验证了该方法的有效性。
引用
收藏
页码:2747 / 2753
页数:7
相关论文
共 8 条
[1]   遗传算法优化最小二乘支持向量机的故障诊断 [J].
李锋 ;
汤宝平 ;
刘文艺 .
重庆大学学报, 2010, 33 (12) :14-20
[2]   基于内禀模态能量比呼吸信号特征参数提取方法 [J].
张淑清 ;
上官寒露 ;
袁计委 ;
赵玉春 ;
杨瑾 .
仪器仪表学报, 2010, 31 (08) :1706-1711
[3]  
基于粒子群优化的最小二乘支持向量机在混合气体定量分析中的应用[J]. 李玉军,汤晓君,刘君华.光谱学与光谱分析. 2010(03)
[4]   基于经验模态分解和Teager峭度的语音端点检测 [J].
张德祥 ;
吴小培 ;
吕钊 ;
郭晓静 .
仪器仪表学报, 2010, 31 (03) :493-499
[5]   基于粒子群神经网络的细胞图像分割方法 [J].
张煜东 ;
吴乐南 ;
韦耿 .
电子测量与仪器学报, 2009, 23 (07) :56-62
[6]   基于粒子群优化的故障特征提取技术研究 [J].
潘宏侠 ;
黄晋英 ;
毛鸿伟 ;
刘振旺 .
振动与冲击, 2008, (10) :144-147+198
[7]   最小二乘小波支持向量机在非线性系统辨识中的应用 [J].
崔万照 ;
朱长纯 ;
保文星 ;
刘君华 .
西安交通大学学报, 2004, (06) :562-565+586
[8]   Evolutionary model selection in a wavelet-based support vector machine for automated seizure detection [J].
Zavar, M. ;
Rahati, S. ;
Akbarzadeh-T, M. -R. ;
Ghasemifard, H. .
EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (09) :10751-10758