[1]吕明珠1,2,苏晓明 1,等. 改进粒子群算法优化的支持向量机在滚动轴承故障诊断中的应用[J].机械与电子,2019,(01):42-48.
 ,,et al.Application of SVM Optimized by IPSO in Rolling Bearing Fault Diagnosis[J].Machinery & Electronics,2019,(01):42-48.
点击复制

 改进粒子群算法优化的支持向量机在滚动轴承故障诊断中的应用()
分享到:

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2019年01期
页码:
42-48
栏目:
自动控制与检测
出版日期:
2019-01-20

文章信息/Info

Title:
Application of SVM Optimized by IPSO in Rolling Bearing Fault  Diagnosis
文章编号:
1001- 2257(2019)01- 0042- 07
作者:
 吕明珠1苏晓明 1陈长征 1刘世勋3
 1.沈阳工业大学机械工程学院,辽宁 沈阳 110870;
2.辽宁装备制造职业技术学院自控学院,辽宁 沈阳 110161;
3.中认(沈阳)北方实验室有限公司,辽宁 沈阳 110164
Author(s):
 LYUMingzhu1SUXiaoming1CHENChangzheng1LIUShixun3
 1.SchoolofMechanicalEngineering,ShenyangUniversityofTechnology,Shenyang110870,China;
2.SchoolofAutomaticControl,LiaoningEquipmentManufacturingProfessionalTechnologyInstitute,Shenyang110161,China;
3.CQC(Shenyang)NorthLaboratory,Shenyang110164,China
关键词:
 支持向量机参数优化改进粒子群算法滚动轴承故障诊断
Keywords:
分类号:
TP277;TH133
文献标志码:
A
摘要:
 针对惩罚因子犆和核参数犵选择不当造成支持向量机(SVM)分类效果不理想的问题,在基本粒子群(PSO)算法基础上引入动态惯性权重、全局邻域搜索、种群收缩因子、粒子变异概率等操作,提出了一种新
的改进型粒子群(IPSO)算法优化 SVM 参数的分类器。采用 Libsvm 工具箱中的公共数据集 BreastTissue,
Heart和 Wine来测试其分类效果,结果表明IPSO SVM 分类器在预测精度和分类时间上明显优于SVM 和 PSO- SVM 分类器。然后将其应用于滚动轴承的二分类问题和多分类问题的故障诊断中,仿真实验证明IPSO- SVM 分类器能显著提高全局收敛能力和收敛速度,可得到理想的分类结果。最后,用IPSO SVM 分类器对实际轴承进行故障诊断,结果验证了其拥有良好的分类稳定性,值得进一步在工程领域内推广。
Abstract:
 Aimingattheproblemthattheclassificationeffectofsupportvectormachine(SVM)isnotsatisfactoryduetoimproperselectionofpenaltyfactor犆andkernelparameter犵,anew modifiedclassifierthatusestheimprovedparticleswarm optimization (IPSO)wasproposedtooptimizetheparameterof
SVM (IPSO SVM)byintroducingthedynamicinertiaweight,globalneighborhoodsearch,populationshrinkagefactorandparticlemutationprobability.TheclassificationresultwasverifiedbycommondatasetsnamedBreastTissue,Heartand WinefromtheLibsvmtoolbox,theresultsshowthatIPSO SVMclassifierisobviouslysuperiortoSVMandPSO SVMclassifierintermsofpredictionaccuracyandclassificationtime.Thenitwasappliedtothefaultdiagnosisintwoclassificationproblemsandmultipleclassificationproblemsofrollingbearings.ThesimulationresultsshowthattheIPSO SVMclassifierhasstrongerglobalconvergenceabilityandfasterconvergencespeed,andtheidealclassificationresultscanbeobtained.Finally,theIPSO SVMclassifierwasusedtodiagnosethefaultoftheactualbearing.Theresultsshowthattheclassifierhasabetterclassificationstabilityandisworthyoffurtherpromotioninengineeringfield.

参考文献/References:

 [1] 王奉涛,陈旭涛,柳晨曦,等.基于 KPCA 和 WPHM 的

滚动轴承可靠性评估与寿命预测[J].振动.测试与诊断,2017,37(3):476- 483.
[2] 王新,闫文源.基于变分模态分解和 SVM 的滚动轴承故障诊断[J].振动与冲击,2017,36(18):252- 256.
[3] 秦波,孙国栋,张利强,等.基于 Hilbert包络谱奇异值
和IPSO SVM 的滚动轴承故障诊断研究[J].机械传动,2017,41(3):166- 171.
[4] 周绍磊,廖剑,史贤俊.RBF SVM 的核参数选择方法及其在故障诊断中的应用[J].电子测量与仪器学报,2014,28(3):240- 246.
[5] SamantaB,NatarajC.Useofparticleswarmoptimizationformachineryfaultdetection[J].EngineeringAp
plicationsofArtificialIntelligence,2009,22(2):308-316.
[6] LiR,SoponP,HeD.Faultfeaturesextractionforbearingprognostics[J].JournalofIntelligent Manufacturing.2012,23(2):313-321.
[7] 梅恒荣,殷礼胜,刘冬梅,等.改进粒子群算法优化的SVM 模拟电路故障 诊 断 [J].电 子 测 量 与 仪 器 学 报,2017,31(8):1239- 1246.
[8] 付大鹏,翟勇,于青民.基于 EMD 和支持向量机的滚动轴承故障诊断研究[J].机床与液压,2017,45(11):184- 187.
[9] 边兵兵.基于 LCD降噪与 LS SVM 的滚动轴承故障诊断方法[J].组合机床与自动化加工技术,2017(2):119- 122.
[10] 宋国明,王厚军,刘红,等.基于提升小波变换和 SVM的模拟 电 路 故 障 诊 断 [J].电 子 测 量 与 仪 器 学 报,2010,24(1):17- 22.
[11] 贾树晋,杜 斌.Rosenbrock搜 索 与 动 态 惯 性 权 重 粒子群混合优化算法[J].控 制 与 决 策,2011,26(7):1060- 1064.
[12] 常江,冯杰,李超,等.粒子群收缩因子算法在 BP 网
络年径流预测模型中的应用研究[J].水电站机电技术,2010,33(3):99- 101.

相似文献/References:

[1]雷永涛,周 权,张静静. 基于印制电路连接器变形问题的分析和设计改进[J].机械与电子,2019,(01):7.
 ,analysis and design improvement of deformation problem based on printed circuit connector[J].Machinery & Electronics,2019,(01):7.
[2]孟繁萃1,张 达2,张 明1. 自然风力对绝缘子结构的影响[J].机械与电子,2019,(01):3.
 ,the influence of natural wind on insulator structure[J].Machinery & Electronics,2019,(01):3.
[3]任智勇1,邓晓政1,马丁峰2. 一种发动机试飞数据快速处理方法[J].机械与电子,2019,(01):11.
 ,A Fast Processing Method of Multi-subject Engine Flight Test Data[J].Machinery & Electronics,2019,(01):11.
[4]冷雪锋,吴正明. 基于STC12C5A60S2的100W 小型风力发电系统设计[J].机械与电子,2019,(01):15.
 .The Design of 100W Small Wind Power Generation System Based on STC12C5A60S2[J].Machinery & Electronics,2019,(01):15.
[5]查金水,朱志远,邓友银,等. 某大型相控阵雷达测试系统结构设计[J].机械与电子,2019,(01):19.
 ,,et al.Structural Design of a Large Phased Array Radar Test System[J].Machinery & Electronics,2019,(01):19.
[6]万 欢,李伟达,李 娟. 一种面向上肢康复的便携式电刺激器设计[J].机械与电子,2019,(01):33.
 ,Design of Portable Electric Stimulator for Upper Limb Rehabilitation[J].Machinery & Electronics,2019,(01):33.
[7]郑锦汤1,李玉忠1,2. 紧凑型纯电动汽车动力系统匹配与性能仿真[J].机械与电子,2019,(01):38.
 ,Matching and Performance Simulation of Dynamic Systems of Compact Electric Vehicle[J].Machinery & Electronics,2019,(01):38.
[8]韩雪莹1,张佳炜2,刘 梦1,等. 集中控制协调多个并网逆变器的谐波补偿[J].机械与电子,2019,(01):49.
 ,,et al.Centralized Control Coordination of Harmonic Compensation for Multiple Grid-connected Inverters[J].Machinery & Electronics,2019,(01):49.
[9]蒋 波1,3,周自强2,等. 基于PLC的报废汽车拆解线作业控制系统[J].机械与电子,2019,(01):54.
 ,,et al.PLC-based ELV Disassembly Line Operation Control System[J].Machinery & Electronics,2019,(01):54.
[10]宋孟华1,曹金龙2,鲍成伟1. 基于图像处理的嵌入式火焰检测系统[J].机械与电子,2019,(01):58.
 , Embedded Flame Detection System Based on Image Processing[J].Machinery & Electronics,2019,(01):58.

备注/Memo

备注/Memo:
 收稿日期:2018- 09- 12
基金项目:国家自然科学基金资助项目(51675350);高校应用性研究专项课题(2018YYYJ 3);高校重点课题(2018XB01 4)
作者简介:吕明珠 (1980-),女,辽宁沈阳人,博士研究生,讲师,主要从事故障诊断和自动控制领域的教学和研究;苏晓明 (1964-),男,辽宁沈阳人,博士生导师,教授,主要从事工业工程控制领域的教学和研究;陈长征 (1965-),男,辽宁沈阳人,博士生导
师,教授,主要从事振动与噪声领域的教学和研究;刘世勋 (1980-),男,辽宁沈阳人,硕士研究生,高级工程师,主要从事电气控制和电磁兼容领域的研究。
更新日期/Last Update: 2019-10-08