基于ACPSO-SVDD的齿轮箱故障异常检测方法研究

针对设备关键部件异常检测中故障数据缺失以及故障程度划分问题,对齿轮箱的各种类型故障进行了异常检测研究,提出了基于自适应混沌粒子群优化的支持向量数据描述方法。该方法引入了自适应混沌理论,对传统粒子群优化算法进行了改进,增强了粒子跳出局部最优解的能力,提高了粒子群体对最优解的全局搜索能力;采用ACPSO对SVDD的惩罚因子以及核参数进行了参数寻优,并应用于齿轮箱减速器的异常检测中。研究结果表明:ACPSO-SVDD异常检测方法不仅能够对不同类型的故障异常进行准确检测,而且能够对故障损伤程度进行量化分析。