基于改進BFA的旋轉(zhuǎn)機械故障診斷核參數(shù)優(yōu)選研究.pdf

1、旋轉(zhuǎn)機械是現(xiàn)代工業(yè)生產(chǎn)中的核心設(shè)備，開展旋轉(zhuǎn)機械故障診斷技術(shù)研究，對于確保此類設(shè)備安全、高效運行，避免巨大的經(jīng)濟損失和災(zāi)難性事故的發(fā)生，具有極大的經(jīng)濟、社會意義，同時也是對機械設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)的豐富與發(fā)展。
　　論文以旋轉(zhuǎn)機械為對象，開展基于典型核方法——核主元分析(KernelPrincipal Component Analysis，KPCA)和支持向量機(Support Vector Machine，SVM)的故障診

2、斷方法與技術(shù)研究，針對KPCA、SVM性能受核函數(shù)及其參數(shù)影響很大，而最優(yōu)參數(shù)難以選取的問題，論文提出了一種改進的細菌覓食算法(BacterialForaging Algorithm，BFA)，展開旋轉(zhuǎn)機械故障診斷中核參數(shù)優(yōu)化選取研究。主要研究內(nèi)容如下:
　　1、分析了標準細菌覓食算法中存在的問題，如種群的大小、運動步長、其迭代次數(shù)完全由各種操作所設(shè)定的最大次數(shù)決定、沒有引入收斂準則，難以保證求解的精度并增加不必要的迭代過程，提出

3、了一種改進細菌覓食算法，二維連續(xù)函數(shù)仿真實驗證明了改進后的細菌覓食算法不僅提高了優(yōu)化速度，而且提高了求解的精度。
　　2、分析了核參數(shù)對KPCA特征降維的影響，設(shè)計了基于改進細菌覓食算法的KPCA特征提取算法，旋轉(zhuǎn)機械故障特征實例表明，該方法能夠快速、準確的對KPCA核參數(shù)進行優(yōu)化。
　　3、設(shè)計了基于改進細菌覓食算法的SVM參數(shù)優(yōu)化算法，分析和比較改進后的細菌覓食算法與傳統(tǒng)的優(yōu)化算法包括遺傳算法、粒子群算法和交叉驗證法之間