留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于PSO-SVM的齿轮箱故障诊断研究

楼红伟 马振书 孙华刚 向飞飞

楼红伟, 马振书, 孙华刚, 向飞飞. 基于PSO-SVM的齿轮箱故障诊断研究[J]. 机械科学与技术, 2014, 33(9): 1364-1367. doi: 10.13433/j.cnki.1003-8728.2014.0917
引用本文: 楼红伟, 马振书, 孙华刚, 向飞飞. 基于PSO-SVM的齿轮箱故障诊断研究[J]. 机械科学与技术, 2014, 33(9): 1364-1367. doi: 10.13433/j.cnki.1003-8728.2014.0917
Lou Hongwei, Ma Zhenshu, Sun Huagang, Xiang Feifei. Research of Gear Box Fault Diagnosis Based on PSO-SVM[J]. Mechanical Science and Technology for Aerospace Engineering, 2014, 33(9): 1364-1367. doi: 10.13433/j.cnki.1003-8728.2014.0917
Citation: Lou Hongwei, Ma Zhenshu, Sun Huagang, Xiang Feifei. Research of Gear Box Fault Diagnosis Based on PSO-SVM[J]. Mechanical Science and Technology for Aerospace Engineering, 2014, 33(9): 1364-1367. doi: 10.13433/j.cnki.1003-8728.2014.0917

基于PSO-SVM的齿轮箱故障诊断研究

doi: 10.13433/j.cnki.1003-8728.2014.0917
详细信息
    作者简介:

    楼红伟(1990-),硕士研究生,研究方向为机电系统检测技术,lhw900125@zju.edu.cn;马振书(联系人),研究员,18632143178@163.com

    楼红伟(1990-),硕士研究生,研究方向为机电系统检测技术,lhw900125@zju.edu.cn;马振书(联系人),研究员,18632143178@163.com

Research of Gear Box Fault Diagnosis Based on PSO-SVM

  • 摘要: 针对目前齿轮箱故障诊断存在的检测难度大、主观性强、准确性不高等问题,提出了一种基于粒子群算法和支持向量机的故障诊断方法。运用时域频域分析法对振动信号进行分析获取特征值,利用支持向量机(SVM)技术对齿轮箱特征参数进行模式识别和故障分类,并引入粒子群算法(PSO)用于优化支持向量机参数,建立了齿轮箱典型故障诊断模型。实验结果表明:该方法可以对齿轮箱不同故障类型进行准确的分类,有效的提高了齿轮箱故障诊断的可靠性。
  • [1] Ma R,Chen Y S. Research on the dynamic mechanism ofthe gear system with local crack and spalling failure [J].Engineering Failure Analysis,2012,26(19):12-20
    [2] 李辉,郑海起,杨绍普. 齿轮箱启动过程故障诊断[J]. 振动、 测试与诊断,2009,29(2):167-170Li H,Zheng H Q,Yang S P. During startup of the gearbox fault diagnosis[J]. Vibration,Test and Diagnosis,2009,29 (2):167-170 (in Chinese)
    [3] 李有荣,曾法力,吕勇,等. 小波包分析在齿轮箱故障诊断中的应用[J]. 振动与冲击,2005,24(5):101-103Li Y R,Zeng F L,Lü Y,et al. Wavelet packetanalysis in gearbox fault diagnosis application [J].Journal of Vibration and Shock,2005,24(5):101-103(in Chinese)
    [4] 杨通强,郑海起,唐力伟,等. 基于角平均域和倒阶次谱分析的齿轮箱故障诊断[J]. 机械科学与技术,2006,25(4):452-454Yang T Q,Zheng H Q,Tang L W,et al. Based on theaverage angle domain and the order time spectrumanalysis of gearbox fault diagnosis[J]. MechanicalScience and Technology for Aerospace Engineering,2006,25(4):452-454 (in Chinese)
    [5] Vapnik V N. 统计学习理论的本质[M]. 张学工,译.北京:清华大学出版社,2000Vapnik V. N. The nature of statistical learning theory[M]. Zhang X G,Translator. Beijing: TsinghuaUniversity Press,2000 (in Chinese)
    [6] 邓乃杨,田英杰. 数据挖掘中的新方法一支持向量机[M]. 北京:科学出版社,N Y,Tian Y J. New method in data mining,support vector machine[M]. Beijing: Science Press,2004 (in Chinese)
    [7] 张树团,张晓斌. 基于粒子群算法和支持向量机的故障诊断研究[J]. 计算机测量与控制,2008,(11):1573-1575Zhang S T,Zhang X B. Machine fault diagnosisresearch based on particle swarm optimization algorithmand support vector machine fault diagnosis research[J]. Computer Measurement and Control,2008,(11):1573-1575 (in Chinese)
    [8] 任丽华,王昕,赵毅斌. 基于支持向量机的液压泵故障判断方法研究[J]. 煤矿机械,2009,(3):187-189Ren L H,Wang X,Zhao Y B. Hydraulic pump faultdiagnosis method based on support vector machine(SVM) study [J]. Journal of Coal Mine Machinery,2009,(3):187-189 (in Chinese)
    [9] 冯志敏,王颖. 智能化故障诊断系统的研究与开发[J].中国航海,2003,(1):13-17Feng Z M,Wang Y. The research and development ofthe intelligent fault diagnosis system [J]. Navigation ofChina,2003,(1) : 13 -17 (in Chinese)
    [10] 王新峰,邱静,刘冠军. 基于支持向量机的机械故障特征选择方法研究[J]. 机械科学与技术,2005,24(9):1122-1125Wang X F,Qiu J,Liu G J. Mechanical fault featureselection method based on support vector machinestudy [J]. Mechanical Science and Technology forAerospace Engineering,2005,24(9):1122-1125 (in Chinese)
  • 加载中
计量
  • 文章访问数:  109
  • HTML全文浏览量:  20
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-04-07

目录

    /

    返回文章
    返回