排序方式: 共有55条查询结果,搜索用时 15 毫秒
1.
2.
基于最小熵解卷积-变分模态分解和优化支持向量机的滚动轴承故障诊断方法 总被引:1,自引:0,他引:1
提出了一种基于最小熵解卷积和变分模态分解以及模糊近似熵的故障特征提取方法,并采用优化支持向量机对故障进行识别分类。首先利用最小熵解卷积方法降低噪声干扰并增强故障信号中故障特征信息,进而对降噪后的信号进行变分模态分解,并利用模糊近似熵量化变分模态分解后包含故障特征信息的模态分量以构建特征向量,之后通过采用扩展粒子群算法优化惩罚因子和核函数参数的支持向量机,对故障样本训练并完成故障识别分类。将所提方法应用于滚动轴承不同损伤程度、不同故障部位的实验数据,验证了该方法的有效性。与基于局部均值分解的特征提取方法相对比,结果表明所提方法可以更精确地提取出滚动轴承故障特征,并能够更准确地完成不同故障的识别;通过与基于网格寻优算法优化的支持向量机方法和基于扩展粒子群优化的最小二乘支持向量机方法相对比,结果表明所提方法具有更好的分类性能,能达到更好的诊断效果。 相似文献
3.
4.
5.
针对粒子群(Particle swam optimization, PSO)算法进化后期收敛速度较慢,易陷入局部极值点,精度较差等不足,提出膜计算多粒子群(MC-MPSO)算法。在该算法中,将原始PSO、标准PSO、中值导向粒子群(MPSO)、扩展粒子群(EPSO)、多作用力粒子群(MFPSO)、两阶段作用力粒子群(TFPSO)等六种具有不同优点的粒子群算法分别放入六个基本膜内,提出MC-MPSO算法的膜间交流与粒子更新机制,在进化前期,各粒子群算法按自身机制进行搜索寻优,即各基本膜各自进化来充分发挥各基本膜内算法的优点;在进化后期,各基本膜内算法与比自身更好的表层膜内最优解粒子交流,各表层膜逐步吞并搜索能力较差的基本膜,而最适合问题优化求解的基本膜长大并按照表层膜输出,使MC-MPSO算法集成了基本膜内六种粒子群算法的各自优势,并具有适应不同类型优化求解问题的寻优能力。通过与基本膜内六种粒子群算法的测试对比,与遗传算法、鱼群算法及其他基于膜计算的粒子群算法的比较,证明了MC-MPSO算法具有更好的寻优能力和适用性。最后,将MC-MPSO算法应用于串联和桥式系统可靠性优化问题,验证了所提算法的有效性。 相似文献
6.
7.
8.
9.
10.
提出一种基于T-S模糊故障树分析的故障搜索策略。以某型液压载重车支腿液压系统故障树为例,在给出T-S模糊故障树基本事件的T-S关键重要度概念和计算方法的基础上,综合考虑基本事件的T-S关键重要度和搜索费用等因素,采用逼近理想解排序法(TOPSIS)计算出故障方案的搜索顺序。该方法克服了传统故障树分析方法在故障搜索中二态假设的局限,分析了在不同顶事件故障程度的条件下的故障搜索策略,增加了故障搜索结果的准确度,提高了故障诊断的可行性。 相似文献