本文關(guān)鍵詞： 模糊核聚類 粒子群優(yōu)化算法 風(fēng)電機(jī)組 齒輪箱 故障診斷　出處：《振動(dòng).測(cè)試與診斷》2017年03期 　論文類型：期刊論文

【摘要】：針對(duì)基于有監(jiān)督學(xué)習(xí)的方法無(wú)法識(shí)別未知類別故障,提出了一種基于粒子群優(yōu)化模糊核聚類(kernel fuzzy c-means clustering,簡(jiǎn)稱KFCM)的風(fēng)電機(jī)組齒輪箱故障診斷方法。首先,建立以訓(xùn)練樣本分類錯(cuò)誤率為目標(biāo)的聚類模型,利用KFCM對(duì)訓(xùn)練樣本進(jìn)行分類;然后,以初始聚類中心和核函數(shù)參數(shù)作為優(yōu)化變量,利用粒子群優(yōu)化算法求解聚類模型,獲得最優(yōu)分類結(jié)果下每個(gè)類的類心;最后,根據(jù)新樣本與各類心之間的核空間樣本相似度判斷新樣本屬于已知故障或者未知故障。以某風(fēng)電機(jī)組齒輪箱為例,對(duì)提出方法的有效性進(jìn)行試驗(yàn)驗(yàn)證。結(jié)果表明,與傳統(tǒng)基于有監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)方法相比,該方法能有效診斷已知和未知類別的故障。
[Abstract]:The method based on supervised learning can not identify unknown class faults. A fuzzy kernel clustering method based on particle swarm optimization (PSO) is proposed for kernel fuzzy c-means clustering. Firstly, a clustering model aiming at the classification error rate of training samples is established, and KFCM is used to classify the training samples. Then, using the initial clustering center and kernel function parameters as the optimization variables, the particle swarm optimization algorithm is used to solve the clustering model, and the cluster center of each class is obtained under the optimal classification results. Finally, according to the similarity between the new samples and the core space samples, the new samples are identified as known or unknown faults. A wind turbine gearbox is taken as an example. Experimental results show that the proposed method can effectively diagnose known and unknown types of faults compared with the traditional neural network method based on supervised learning.
【作者單位】： 華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院;北京華能新銳控制技術(shù)有限公司;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51305135) 中國(guó)華能集團(tuán)科技資助項(xiàng)目(HNKJ13-H20-05) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2014XS15)
【分類號(hào)】：TH132.41;TM614
【正文快照】： 引言齒輪箱是風(fēng)電機(jī)組傳動(dòng)鏈的關(guān)鍵設(shè)備,由于風(fēng)電機(jī)組運(yùn)行環(huán)境惡劣,導(dǎo)致齒輪箱故障頻繁發(fā)生,不僅事后維修工作難度大,而且費(fèi)用高。因此,對(duì)風(fēng)電機(jī)組齒輪箱進(jìn)行有效的監(jiān)測(cè)和故障診斷,保障風(fēng)電機(jī)組齒輪箱安全可靠運(yùn)行具有重要意義。故障診斷的本質(zhì)是對(duì)故障信息的模式識(shí)別與分類[1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年10期

2 李艷靈;李剛;;粒子群優(yōu)化算法研究進(jìn)展[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年05期

3 岳興漢;薛云燦;蔡亮;;基于混沌思想的粒子群優(yōu)化算法[J];河海大學(xué)常州分校學(xué)報(bào);2007年04期

4 呂林;羅綺;劉俊勇;田立峰;;一種基于多種群分層的粒子群優(yōu)化算法[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2008年05期

5 房靖;高尚;;不完全判斷矩陣權(quán)值的粒子群優(yōu)化算法計(jì)算[J];科學(xué)技術(shù)與工程;2009年19期

6 徐安;趙思宏;寇英信;黃俊;;基于混合粒子群優(yōu)化的多目標(biāo)決策新方法[J];火力與指揮控制;2010年01期

7 梁武;;改進(jìn)的粒子群優(yōu)化算法在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];廣東建材;2010年04期

8 馮雪;裴志松;;粒子群優(yōu)化算法的研究與應(yīng)用[J];吉林建筑工程學(xué)院學(xué)報(bào);2011年03期

9 高立群;李若平;鄒德旋;;全局粒子群優(yōu)化算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年11期

10 趙成業(yè);閆正兵;劉興高;;改進(jìn)的變參數(shù)粒子群優(yōu)化算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2011年12期

相關(guān)會(huì)議論文 前10條

1 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

2 孫紅光;潘毓學(xué);;基于運(yùn)動(dòng)目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽(yáng);;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測(cè)算法[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六省（區(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

8 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對(duì)混沌系統(tǒng)未知參數(shù)的估計(jì)[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進(jìn)粒子群優(yōu)化算法的彈道求解方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

2 姜毅;動(dòng)態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

3 Shafiullah Khan;粒子群優(yōu)化算法及其在電磁設(shè)計(jì)中的應(yīng)用[D];浙江大學(xué);2017年

4 劉華鎣;粒子群優(yōu)化算法的改進(jìn)研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

5 劉波;粒子群優(yōu)化算法及其在機(jī)電設(shè)備中的應(yīng)用研究[D];中北大學(xué);2011年

6 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例[D];浙江大學(xué);2005年

7 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

8 閆允一;粒子群優(yōu)化及其在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2008年

9 余炳輝;粒子群優(yōu)化算法試驗(yàn)研究及擴(kuò)展[D];華中科技大學(xué);2007年

10 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏?cái)?shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)模型研究[D];蘭州大學(xué);2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學(xué);2015年

5 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

6 米永強(qiáng);非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

7 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學(xué);2015年

9 牛旭;動(dòng)態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1483685