基于果蝇优化算法小波支持向量数据描述的滚动轴承性能退化评估

摘要：

针对支持向量数据描述(SVDD)算法对滚动轴承早期故障不敏感、参数选择困难的问题,提出了一种基于果蝇优化算法 小波支持向量数据描述(FOA-WSVDD)的滚动轴承性能退化评估方法.提取滚动轴承早期无故障振动信号的时域、时频域特征向量,并基于单调性进行特征选择;针对现有核函数对滚动轴承早期故障不敏感问题,将小波核函数引入到 SVDD 算法中;针对 SVDD 算法参数选择困难的问题,以支持向量个数与总样本数的比值作为适应度函数,采用改进的 FOA 算法对其核参数进行优化,建立FOA-WSVDD评估模型;最后,将轴承后期振动数据的特征向量输入到该 WSVDD 模型中,得到轴承的性能退化指标.试验结果表明,采用所提方法能准确地对轴承早期故障作出预警,与基于高斯核函数的SVDD算法相比,提前了17 h.

关键词：轴承、果蝇优化算法、小波支持向量数据描述、小波核

所属期刊栏目：29

分类号：TH165.3;TN91;TH17

资助基金：江苏高校优势学科建设工程资助项目;江苏省产学研前瞻性联合研究资助项目BY2015019-38;江苏省科技成果转化专项资金资助项目BA2016075

在线出版日期：2018-04-11（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：602-608