| 基于多目标和声搜索优化SVM的伺服电机滚动轴承性能退化评估 |
| |
| 引用本文： | 王浩然,袁小芳,田争鸣,刘琛.基于多目标和声搜索优化SVM的伺服电机滚动轴承性能退化评估[J].机床与液压,2020,48(16):176-181. |
| |
| 作者姓名： | 王浩然 袁小芳 田争鸣 刘琛 |
| |
| 作者单位： | 湖南大学电气与信息工程学院, 湖南长沙410082;机器人视觉感知与控制技术国家工程实验室, 湖南长沙410082;湖南大学电气与信息工程学院, 湖南长沙410082;机器人视觉感知与控制技术国家工程实验室, 湖南长沙410082;湖南大学电气与信息工程学院, 湖南长沙410082;机器人视觉感知与控制技术国家工程实验室, 湖南长沙410082;湖南大学电气与信息工程学院, 湖南长沙410082;机器人视觉感知与控制技术国家工程实验室, 湖南长沙410082 |
| |
| 摘 要： | 针对传统的支持向量机(SVM)算法参数往往根据经验设定,难以建立最优模型以准确地检测出伺服电机滚动轴承早期故障的问题,研究一种基于多目标和声搜索优化SVM的伺服电机滚动轴承性能退化评估方法。首先提取轴承振动信号的时域、时频域特征作为原始特征集,采用堆叠稀疏自编码器对原始特征集进行更深层次的特征提取,得到最终的特征向量。之后以轴承退化曲线的趋势性和单调性作为适应度函数,采用多目标和声搜索算法对SVM的参数进行优化,建立最优评估模型,得到轴承的性能退化指标。实验结果表明:该方法能准确地检测出轴承的早期故障,相比于传统的轴承SVM性能退化评估方法具备更好的趋势性和单调性。
|
| 关 键 词： | 多目标和声搜索优化算法 稀疏自编码器 支持向量机 滚动轴承 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
