基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断

摘要：

鉴于齿轮箱系统的复杂性和齿轮箱故障信号的多样性,提出一种基于KPCA和改进蚁群遗传算法(IACG)相结合的齿轮箱故障诊断新方法.通过KPCA去掉原始故障参数集中的冗余信息,再利用IACG算法找出降维后参数的最优解.IACG算法改进了传统蚁群算法中的概率转移公式,通过增加区域目标函数值,提高了转移运算的效率和准确率;IACG算法增加了局部搜索功能,计算得到的蚂蚁解与遗传算法的均匀两点交叉算子相结合,减少了算法的搜索时间,扩大了搜索空间,使得收敛效果更趋近最优解.实验结果表明,KPCA与IACG相结合的算法可以有效识别齿轮箱故障,相对于传统的蚁群算法,其运算效率和准确率有很大提高.

关键词：核主成分分析、改进蚁群遗传算法、参数降维、区域目标函数、局部搜索、均匀两点交叉算子

所属期刊栏目：34

分类号：TH165+.3;TP206

资助基金：国家自然科学基金资助项目51375037,51075023;教育部新世纪优秀人才支持计划项目NCET-12-0759

在线出版日期：2015-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：17-20