改進(jìn)的粒子群優(yōu)化算法的研究.pdf

1、近年來，粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法這種模仿生物行為的智能優(yōu)化算法，得到了較快的發(fā)展。因?yàn)榫哂休^少的參數(shù)，并且概念容易理解，編碼方便，所以人們將它廣泛應(yīng)用在工業(yè)上。同時(shí)，工業(yè)生產(chǎn)設(shè)備的關(guān)鍵零件軸承的狀態(tài)，對設(shè)備的正常工作起到十分重要的作用，因此對軸承狀態(tài)進(jìn)行監(jiān)測并對其故障進(jìn)行診斷具有重要的現(xiàn)實(shí)意義。許多學(xué)者一直在研究將 PSO優(yōu)化算法與其他算法相結(jié)合，應(yīng)用于故障診斷領(lǐng)域。本文從 PSO

2、與神經(jīng)網(wǎng)絡(luò)、PSO與聚類算法兩個(gè)傳統(tǒng)故障診斷方法的基礎(chǔ)上，混合改進(jìn)的粒子群優(yōu)化算法，提出兩種新型有效的軸承故障診斷方法。
　　首先，在分析MCPSO(Mulit-Species Cooperative PSO)算法原理以及優(yōu)缺點(diǎn)的基礎(chǔ)上，提出基于提高群體多樣性的改進(jìn)算法，并利用對不同的測試函數(shù)的仿真，確定發(fā)揮算法最優(yōu)性能的參數(shù)。通過與其他幾種優(yōu)化算法的比較，證明新算法優(yōu)異性能。
　　然后，分析 PSO-K均值聚類算法的原理以