蚁群优化算法在齿轮箱故障诊断中的应用

在研究蚁群优化神经网络训练算法的基础上,训练BP神经网络使网络的收敛速度大大提高,避免陷入局部最优解;根据振动实验室2级传动箱实测数据,分析研究信号以及提取信号特征值,应用训练后的BP神经网络诊断齿轮箱的故障,实验表明效果良好,是解决故障诊断问题的主要途径。     

灰狼算法优化支持向量机在风力机齿轮箱故障诊断中的应用

针对风力机齿轮箱振动信号非线性和非平稳性的特征,提出基于模糊熵(Fuzzy Entropy,FE)和灰狼算法优化(Grey Wolf Optimizer,GWO)的支持向量机(GWO Support Vector Machine,GWO-SVM)的故障诊断方法.通过集合经验模态分解算法(Ensemble Empirical Mode Decomposition,EEMD)对振动信号进行分解得到若干本征模态函数(Intrinsic Mode Function,IMF)分量;求取各状态IMF分量的模糊熵并构建特征向量;将各特征向量输入GWO-SVM模型进行故障识别及分类.结果 表明:齿轮箱振动信号不同状态下的模糊熵有一定区分度,通过GWO-SVM能对其进行精确识别和分类,且GWO-SVM相对于粒子群优化(Particle Swarm Optimization,PSO)SVM模型和遗传算法(Genetic Algorithm,GA)优化SVM模型具有更短的运行时间和更高准确率,平均准确率高达92.5％.     

GTM算法在齿轮箱状态监测中的应用

介绍了一种新的无监督聚类算法GTM,研究了该算法在齿轮箱状态监测中的应用。结果表明,通过对齿轮箱振动信号时域特征的聚类训练,GTM能把正常、裂纹和断齿状态特征数据映射到二维平面的不同输出区域,较好地区分开不同的状态;特征数据映像点在平面上的轨迹变化趋势正确而直观地反映了齿轮箱工作状态的变化,便于及时监测到齿轮箱故障的发生。该方法可用于机械故障识别和状态监测。     

改进灰狼算法优化支持向量机在风力机齿轮箱故障诊断中的应用

针对灰狼算法易陷入局部最优和后期寻优能力不足等缺点,提出改进非线性控制因子以提高算法收敛精度及稳定性.采用美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)"Gearbox Reliability Collaborative"项目测试采集的风力机齿轮箱振动信号为分析对象,经集合经验模态分解后,计算各本征模态函数分量的模糊熵并构建高维特征向量,后利用等距映射进行降维.利用改进灰狼算法优化支持向量机,对降维后齿轮箱故障特征集进行诊断.结果 表明:改进灰狼优化算法相较于灰狼算法、粒子群算法和遗传算法可有效避免陷入局部最优并提高支持向量机诊断精度及稳定度,在不同测试样本下其准确率均最高,平均准确率达93.17％.     

GA-ACO优化BP神经网络在行星齿轮箱故障诊断中的应用

针对目前利用优化算法改进的BP神经网络算法对行星齿轮箱进行故障诊断过程中存在的故障识别率低、收敛速度慢和参数选择困难等问题,提出了一种用GA-ACO算法对神经网络参数进行优化的算法。给出GA-ACO-BP算法的基本原理和主要步骤,并将此方法应用到行星齿轮箱的故障诊断中。比较了ACO-BP神经网络算法和GA-ACO-BP算法的性能。结果表明,ACO优化BP神经网络算法对行星齿轮箱的故障诊断收敛速度慢且识别精度不高,而GA-ACO-BP算法能够对行星齿轮箱故障进行准确、快速的诊断和识别。     

带收缩因子的PSO算法在齿轮箱故障诊断中的应用

应用带收缩因子的粒子群优化算法训练神经网络的权值矩阵，使神经网络的收敛速度大大提高，避免了其陷入局部最优解的缺陷；根据振动实验室齿轮箱实验数据，分析研究故障信号的特点，提取相应的特征参数，应用训练后的神经网络诊断齿轮箱的故障，实验表明故障诊断率较高。     

神经网络在齿轮箱故障诊断中的应用

通过对齿轮箱振动信号的分析处理,将齿轮箱故障信号的频带能量归一化后的数据作为神经网络的训练样本,得到神经网络各层神经元的权值和阀值将其保存,并取另一组故障特征信息作为输入信息对其验证,得到齿轮箱故障诊断的结果.     

齿轮箱振动主动控制中的FxRLS算法应用研究

在控制齿轮箱振动上,FxRLS算法是一种有效的主动控制程序,通过建设FxRLS主动控制系统,有效控制齿轮箱振动,提高其传动效率。基于此,本文先是分析了齿轮箱的振动带来的影响,其次简单介绍了FxRLS算法,通过建立主动控制结构和仿真系统可以有效地起到减少振动的作用。最后通过仿真分析验证应用FxRLS算法的有效性。     

一种自适应CS算法及其在风电齿轮箱故障诊断中的应用

针对布谷鸟搜索(CS)算法易出现早熟收敛以及风电机组齿轮箱的故障模式难以有效识别等问题,提出一种基于自适应CS算法的BP神经网络(SaCS-BP)智能诊断技术。通过构建SaCS算法,实现了步长和发现概率的自适应调整,并采用一组基准函数测试了该算法的有效性;将SaCS与BP神经网络进行融合,构建了风电齿轮箱的故障诊断模型。结果表明,SaCS算法具有较佳的寻优精度和普适性。此外,与BP神经网络以及布谷鸟搜索算法优化BP网络(CS-BP)相比,SaCS-BP算法获得了最高的诊断准确度,从而实现了风电齿轮箱故障模式的有效识别。     

基于食物链算法的新产品订单短期预测与优化

在新产品上市初期,由于可用时间序列数据较少,常用的时间序列分析方法不适用于此种情况的预测。食物链算法是一种借鉴生态环境中生物界的能量传递方式-食物链,提出的多模式协同进化的生态进化算法,可以使用此种方法将市场上有限的生产和销售商之间的竞争模拟为生态环境中生物食物链上各级生物的竞争,并最终对企业的订单作出预测和优化,但由于新产品市场变化快,该算法只适合短期预测。     

智能优化算法在无功优化中的应用综述

对无功优化的研究现状进行了总结,对现有的无功优化算法进行了分类。重点介绍了智能优化算法在电力系统无功优化中的应用及其优缺点,在此基础上,概括了几种常用混合优化算法。最后指出了无功优化的发展趋势。     

优化VMD与CNN在齿轮箱故障诊断应用研究

针对齿轮箱的故障诊断的优化问题,提出了一种基于参数优化的变分模态分解（VMD）与卷积神经网络（CNN）相融合的故障诊断方法。该算法首先通过鲸鱼优化算法对VMD算法进行优化,之后通过正交实验法与粒子群优化算法进行了CNN模型中的重要参数进行优化,最后将分解后得到的固有模态分量输入CNN模型中进行训练学习。诊断完成后得到训练与检测结果,其中经过算法优化后CNN模型的训练与检测准确率可达98.7%与95.7%,优于未优化的准确率94.3%与91.8%。通过对结果的分析验证出该算法的可行性以及在诊断成功率方面的优越性,实现了故障特征信息的自适应性提取,并将故障类型进行分类,最终实现齿轮箱故障诊断的智能化。     

提升小波在齿轮箱故障诊断中的应用

利用小波变换进行信号特征提取时,特征提取效果依赖于小波基的选择。为了避免这一限制,引入一种基于提升小波的根据故障特征波形特点实现小波构造的方法。对齿轮箱振动信号的分析和故障特征信息提取结果表明,利用提升小波能比一般小波更好地与齿轮箱故障特征信号相匹配,提取出更有效的故障特征,为后续的故障诊断和分析提供了良好的条件。     

小波分析在齿轮箱故障诊断中的应用

对齿轮箱故障特点和诊断方法进行了分析，介绍了小波分析方法，并以小波分析在信号分析和信号消噪处理中的应用为例，体现小波分析比传统分析方法的优越性，是故障诊断的一种有效方法。     

虚拟现实技术在齿轮箱故障诊断中的应用

分析了齿轮箱振动噪声产生的机理及其噪声特性,构建出了基于虚拟现实技术的齿轮箱故障诊断系统,设计出了由振动测试、数据采集和计算机信号处理组成的硬件平台,采用Visual Basic高级语言编写了相应的应用软件,可以实现齿轮箱的实体造型和故障的三维动态模拟显示,该设计方案和诊断系统具有较好的理论价值和应用前景.     

虚拟现实技术在齿轮箱故障诊断中的应用

分析了齿轮箱振动噪声产生的机理及其噪声特性，构建出了基于虚拟现实技术的齿轮箱故障诊断系统，设计出了由振动测试、数据采集和计算机信号处理组成的硬件平台，采用VisualBasic高级语言编写了相应的应用软件，可以实现齿轮箱的实体造型和故障的三维动态模拟显示，该设计方案和诊断系统具有较好的理论价值和应用前景。     

齿轮箱体动力响应优化设计

运用MSC.NASTRAN软件以齿轮箱体振动加速度最小为目标函数，以动应力和动位移为约束条件对其进行动力优化设计；介绍了动力优化设计的详细过程，动力优化设计降低了齿轮箱体的振动幅值和变形；分析了齿轮箱体动力响应优化设计结果。     

风电齿轮箱振动响应研究

以某2.5 MW风电齿轮箱为研究对象,建立动力学仿真模型,对齿轮箱在高速级齿轮啮合激励下的振动响应进行分析.通过改变齿轮修形参数、齿轮宏观参数、齿轮和箱体结构,提出减小齿轮箱振动的优化方案.优化方案经试验验证有效,可以作为解决类似振动问题的参考.     

混合遗传算法在泵站优化运行中的应用

泵站，特别是连续供水的给水泵站耗能很大．因此提高泵站运行效率、安全供水具有重大的现实意义。本文分析了遗传算法的优缺点，引入与之互补的Rosenbrock算法，构造了混合遗传算法的数学模型．并将其用于泵系统的变速调节优化运行。与传统的优化算法比较，取得了较好的优化结果。     

智能优化算法在机械优化设计中的应用

针对传统机械优化设计算法存在的问题，分析介绍了近年来兴起的智能优化算法，主要是几种神经网络模型和进化计算等智能化算法用于机械优化设计的基本思想和应用方法。