基于改进果蝇优化算法优化RVM的电机轴承故障诊断

论文摘要

针对相关向量机(RVM)在电机轴承故障识别中的性能受参数选择影响较大的问题,提出了基于反向认知果蝇优化算法(RCFOA)优化RVM的电机轴承故障诊断方法。为提高FOA算法的寻优能力,引入反向学习策略,对原始果蝇优化算法进行了改进。利用RCFOA进行RVM参数的优化,可以有效地提高RVM的分类性能。电机轴承不同类型、不同程度故障诊断的实例表明,RCFOA算法能够获得更优的参数,提高了RVM的故障诊断准确率,相比于其他一些方法更有优势,可有效应用于故障诊断。

论文目录

• 引言
• 1 相关向量机
• 2 基于RCFOA的RVM参数优化
•   2.1 基本果蝇优化算法
•   2.2 FOA算法的改进策略
•   2.3 RCFOA优化SVM流程
•   2.4 RCFOA-SVM性能测试
• 3 故障诊断实例验证
•   3.1 故障诊断流程
•   3.2 故障设置
•   3.3 轴承不同类型故障诊断
•   3.4 轴承不同程度故障诊断
• 4 结论

文章来源

类型: 期刊论文

作者: 王汉章

关键词: 果蝇优化算法,反向认知,相关向量机,故障诊断,轴承

来源: 机械强度 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 包头铁道职业技术学院机车车辆系

分类号: TP18;TM307

DOI: 10.16579/j.issn.1001.9669.2019.04.008

页码: 814-820

总页数: 7

文件大小: 315K

下载量: 222