基于KPCA与粒子群优化SVM的扫路车驱动电机故障诊断 |
| |
作者姓名: | 仝光 王玉林 陈嘉乐 王强 |
| |
作者单位: | 1. 上海电机学院机械学院;2. 上海加冷松芝汽车空调股份有限公司 |
| |
基金项目: | 上海市浦江人才计划资助项目(22PJ1404300); |
| |
摘 要: | 针对环卫车辆驱动电机故障特征不明显且存在大量干扰因素等问题,为了提高故障诊断准确率,提出一种基于核主元分析和粒子群优化支持向量机(SVM)的故障诊断方法。该方法利用在电机故障状态下的振动信号构建时频域混合特征集,通过核主元分析,对特征集内的特征量进行降维处理;通过选择主元特征和利用粒子群算法,优化SVM的主要参数,将得到的特征量输入到优化后的SVM中进行计算,并与未进行核主元分析的SVM进行对比分析。计算结果表明:该方法能够显著提高扫路车驱动电机的故障诊断准确率。
|
关 键 词: | 混合特征集 核主元分析 粒子群优化算法 支持向量机(SVM) 故障诊断 |
|