基于人工蜂群算法和LSSVM的風機齒輪箱故障診斷.pdf_第1頁
已閱讀1頁，還剩47頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、隨著經(jīng)濟的發(fā)展和人口的增加,能源危機正影響著人們的生活,風能是綠色能源,蘊藏量豐富,因此被廣泛的使用,其中最有利的形式就是風力發(fā)電。風力發(fā)電成本低,無污染,具有很好的發(fā)展前景。隨著風電機組的廣泛使用以及設備結(jié)構(gòu)的逐步復雜,故障問題也逐漸引起了人們的關注。在風電機組中,齒輪箱是故障發(fā)生率最高的部件,因此本文研究了風機齒輪箱的故障診斷方法。
　　風機齒輪箱發(fā)生故障的樣本數(shù)據(jù)較少,一般的故障診斷方法難以保證診斷的性能。支持向量機(Sup

2、port Vector Machine,SVM)是一種小樣本的人工智能方法,適合對風機齒輪箱進行故障診斷。最小二乘支持向量機(Least Square Support Vector Machine,LSSVM)是對SVM方法的改進,無論是運行時間還是正確率,LSSVM算法都有了提高,因此本文選擇LSSVM作為故障診斷的理論基礎。
　　LSSVM的參數(shù)對其性能有著非常重要的作用,為了避免參數(shù)選擇的盲目性,需要對其參數(shù)進行優(yōu)化。本文對

3、人工蜂群算法(Artificial Bee Colony Algorithm,ABC)進行了改進,引入了反向?qū)W習的方法和錦標賽的選擇策略,研究了基于錦標賽選擇策略的雙種群人工蜂群算法(Bi-Group Artificial Bee Colony Algorithm Based on Tournament Selection,BTABC)。然后利用BTABC算法對LSSVM進行參數(shù)優(yōu)化,以BTABC-LSSVM方法對風機齒輪箱進行故障診斷

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論