基于粒子群優(yōu)化與支持向量機的齒輪箱故障診斷研究.pdf

1、齒輪箱作為機械設備中的一個重要組成部分，對其進行狀態(tài)監(jiān)測和故障診斷有著較強的指導意義。本文將粒子群優(yōu)化算法和支持向量機結合應用到齒輪箱故障診斷中。
　　本文首先以 JZQ250齒輪箱為研究對象，在分析齒輪箱振動機理和常見故障類型的基礎上，搭建了齒輪箱試驗平臺，設計了齒輪箱故障診斷試驗方案，測試得到了不同故障下齒輪箱的振動加速度信號。
　　其次，文中系統(tǒng)介紹了粒子群優(yōu)化算法的基本原理及發(fā)展，分析了粒子群算法的參數(shù)選擇原則。為了

2、驗證慣性權重PSO算法的性能，本文選取了四個常用的標準函數(shù)做仿真，實驗結果表明，慣性權重PSO算法在滿足收斂精度的條件下，能夠以較快速度收斂到全局最優(yōu)解。在介紹VC維理論和結構風險最小化原則的基礎上，闡述了支持向量機的基本理論。文中利用UCI數(shù)據(jù)庫中的Iris數(shù)據(jù)進行仿真，通過慣性權重PSO算法對SVM模型參數(shù)的優(yōu)化，驗證了支持向量機應用于模式識別的優(yōu)越性。
　　最后，將慣性權重PSO算法對核參數(shù)和懲罰因子進行優(yōu)化，分別建立了二分