10.3969/j.issn.1001-2257.2018.12.001
FOA-WPT降噪和PSO-SVM在滚动轴承故障诊断中的应用
在轴承故障诊断中,为了进一步提高诊断方法的自适应性和分类准确率,提出果蝇优化小波包降噪和粒子群支持向量机相结合的方法.利用果蝇算法对小波包降噪的阈值进行优化,结合粒子群算法在GCV算法下的错误率最低,得到SVM的最优惩罚参数和核函数参数,建立PSO-SVM分类模型,对4种工况下滚动轴承的10类故障进行分类.实验结果表明,使用FOA-WPT降噪后,信号有着更高的信噪比和更低的均方误差(MSE);和粒子群支持向量机相结合的分类方法准确率达到89%,与未使用粒子群算法优化的SVM相比,提高了约8%,进一步证明了该方法可以实现滚动轴承的多分类故障诊断.
小波包降噪、果蝇优化算法、粒子群算法、支持向量机、故障诊断
36
TH133.33
中央高校基本科研业务费专项资金资助项目2682016CX033
2019-04-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
3-8,13