AdaBoost算法组合的GABP诊断模型在轴承故障中的运用

摘要：

考虑到轴承故障难以诊断的问题,提出AdaBoost算法组合遗传算法优化的BP神经网络(GABP-AdaBoost)的诊断模型.利用遗传算法寻优能力对BP网络的权值与阈值进行优化,并用AdaBoost算法进行组合;采用UCI标准数据集对GABP-AdaBoost算法中的关键参数进行分析,并设置最优参数;用最小二乘法和指数平滑法消除轴承振动信号中的漂移和微弱噪声,并用因子分析法选择最优时域参数;使用GABP-AdaBoost算法对轴承故障样本进行诊断,并将GABP、BP、BP-AdaBoost作为对比算法.重复试验30次的结果表明:GABP-AdaBoost算法诊断效果达到90％以上但诊断时间较长;BP-AdaBoost算法诊断效果优于GABP且耗时较少;GABP-AdaBoost算法与BP-AdaBoost算法对重复诊断的波动敏感程度较低.

关键词：滚动轴承、故障诊断、GABP-AdaBoost、因子分析、BP神经网络

所属期刊栏目：49

分类号：TH17;V231.1

资助基金：江苏省自然科学基金项目;镇江市科技计划资助项目;2020年度院级课题

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：163-169