基于SFLA-BP模型和KPCA特征提取的行星齿轮箱故障诊断

摘要：

混合蛙跳算法(SFLA)是将竞争进化策略和有限度随机搜索有机结合的群智能优化算法,已应用于各种优化问题.分析混合蛙跳算法用于全局优化问题的优势,并建立了基于混合蛙跳优化BP神经网络(SFLA-BP)算法模型,进行了仿真研究.以行星齿轮箱为工程实例,分析了行星齿轮故障信号传递路径复杂,相互耦合,呈现非线性的特性.应用核主元分析(KPCA)提取了时、频域敏感的特征参数,特征属性由27维压缩到9维,并建立了结构为9-14-4的神经网络故障诊断系统.充分利用混合蛙跳算法全局搜索的优势实现了行星齿轮不同磨损程度的故障诊断.诊断结果表明:SFLA-BP模型与BP神经网络相比,整体输出误差较小,诊断的准确率提高了12.5％,对不同损伤程度的故障可以达到准确的识别效果.

关键词：混合蛙跳算法(SFLA)、BP神经网络、行星齿轮箱、故障诊断、核主元分析(KPCA)

所属期刊栏目：42

分类号：TP277;TH132.4(自动化技术及设备)

资助基金：山西省应用基础研究面上青年基金项目;航空制造工艺数字化重点学科实验室开放基金项目;山西省工业科技攻关计划子项目

在线出版日期：2020-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：263-269