基于PSO-FC优化KPCA的特征提取及行星齿轮磨损损伤程度识别

论文摘要

行星齿轮传动系统发生故障时,其信号传递中相互耦合,呈现非线性的特性,使得行星齿轮的故障类型及损伤程度难以识别。借鉴模式识别中Fisher准则（FC）判别函数,构建核函数尺度参数优化的数学模型,应用改进的粒子群优化方法对其寻优,充分改善核主元分析法（KPCA）对于非线性问题的分析性能,将其应用于行星齿轮的磨损损伤程度的识别和诊断中。实例分析结果表明,基于PSO-FC智能优化后的KPCA改善了特征空间内数据分布结构,在行星齿轮的磨损损伤程度识别中取得了较好的尺度聚类效果,可以有效地解决复杂机械传动中损伤边界模糊、损伤程度难以识别的问题。

论文目录

• 0 引言
• 1 改进的粒子群优化算法
• 2 基于FC的核参数尺度参数的优化
•   2.1 核主元分析的原理
•   2.2 基于Fisher准则判别的核函数尺度参数优化模型的建立
•   2.3 粒子群优化核参数的步骤
• 3 行星齿轮箱故障诊断实验
•   3.1 行星齿轮实验台组成
•   3.2 行星齿轮箱信号采集
•   3.3 行星齿轮振动信号分析
• 4 基于KPCA的行星齿轮磨损损伤程度识别
•   4.1 行星齿轮箱特征参数集的建立
•   4.2 基于改进的PSO核函数尺度参数的优化
•   4.3 PSO-FC优化的KPCA应用于行星齿轮磨损损伤程度的识别
• 5 结论

文章来源

类型: 期刊论文

作者: 贺妍,王宗彦

关键词: 粒子群优化,核主元分析,行星齿轮箱,损伤程度识别,准则

来源: 机械传动 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 中北大学机械工程学院,山西省起重机数字化设计工程技术研究中心

基金: 航空制造工艺数字化重点学科实验室开放基金项目(SHSYS2015003)

分类号: TH132.425

DOI: 10.16578/j.issn.1004.2539.2019.02.025

页码: 137-143

总页数: 7

文件大小: 1278K

下载量: 137