基于人工蜂群优化核主元分析故障检测方法
核主元分析方法(Kernel Principal Component Analysis,KPCA)能有效地捕捉数据的非线性特征,其故障检测能力很大程度上取决于核参数的选择.常用的核函数有多项式核函数和高斯径向基核函数等.该方法将多项式核函数和高斯径向基核函数进行线性组合,结合两者优点得到混合核函数,使用故障检测率作为优化目标的适应度函数,通过人工蜂群(Artificial Bee Colony Algorithm,ABC)优化算法对KPCA核参数的选取进行优化.将该方法应用到电主轴的转子不平衡故障分析中,对信号进行时域分析,利用KPCA对样本数据进行非线性特征提取,根据主元特征计算出的T2和SPE统计量实现故障检测.经过对实验数据分析表明,ABC优化算法较二分法、粒子群等优化算法能更有效地提高故障检测率.
故障检测、核主元分析、混合核函数、人工蜂群算法、参数优化
25
TP277(自动化技术及设备)
国家自然科学基金项目51705341;国家重点研发计划项目2017YFC0703903;辽宁省自然科学基金2016010623;沈阳市科技计划项目17-231-1-28
2018-09-30（万方平台首次上网日期，不代表论文的发表时间）
共6页
1686-1691
