智能優(yōu)化算法在轉(zhuǎn)子故障診斷中的應(yīng)用方法研究.pdf

1、轉(zhuǎn)子系統(tǒng)是旋轉(zhuǎn)機(jī)械的核心部件，因此對其運(yùn)行狀況實(shí)施智能故障診斷決策意義重大。粒子群算法、雜草算法與人工神經(jīng)網(wǎng)絡(luò)是三種典型的智能算法。本研究針對轉(zhuǎn)子振動(dòng)信號具有準(zhǔn)周期性，而有效信號易被噪聲嚴(yán)重干擾的特點(diǎn)，以及針對神經(jīng)網(wǎng)絡(luò)進(jìn)行故障模式辨識時(shí)網(wǎng)絡(luò)結(jié)構(gòu)冗余、訓(xùn)練易陷入局部極小等具體困難，在對國內(nèi)外故障診斷研究現(xiàn)狀進(jìn)行分析和總結(jié)的基礎(chǔ)上，利用智能優(yōu)化算法對轉(zhuǎn)子振動(dòng)信號智能消噪濾波與智能模式識別問題進(jìn)行了研究。所開展的具體研究工作情況和得到的結(jié)論如

2、下:
　　1)針對轉(zhuǎn)子系統(tǒng)故障信號中背景噪聲帶寬較大且與有效信號頻帶產(chǎn)生重合的現(xiàn)象，聯(lián)合譜減法、最小均方算法及粒子群優(yōu)化方法，提出一種PSO(ParticleSwarm Optimization)-SSLMS(Spectral Subtraction; Least Mean Square)轉(zhuǎn)子故障信號消噪方法。該方法具備參數(shù)少、易于控制，收斂速度快，可有效避免LMS對寬頻信號的不穩(wěn)定性的特點(diǎn)。對模擬信號處理的結(jié)果顯示，該混合算法組

3、織合理，性能優(yōu)越，用于實(shí)驗(yàn)轉(zhuǎn)子故障信號消噪濾波，也能夠獲得有效的轉(zhuǎn)子本真準(zhǔn)周期性諧波信號，PSO-SSLMS更適合用于轉(zhuǎn)子故障信號處理。
　　2)用一個(gè)工程優(yōu)化實(shí)例驗(yàn)證了經(jīng)典IWO(Invasive Weed Optimization)搜索性能之后，對IWO做出了適用于神經(jīng)網(wǎng)絡(luò)優(yōu)化的改進(jìn)。提出的新算法將多種結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)權(quán)值閾值編碼為不同維度的雜草種子，實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)權(quán)值閾值與結(jié)構(gòu)的同時(shí)優(yōu)化。將該方法應(yīng)用于轉(zhuǎn)子系統(tǒng)故障分類問題，實(shí)