《机电工程》杂志,浙江大学与浙江省机电集团联合主办。月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳
执行董事兼总经理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址浙江省杭州市大学路高官弄9号
电话Tel+86-571-87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局
国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于ACPSO-SVDD的齿轮箱故障异常检测方法研究

作者:刘志远1,赵欣洋1,王化玲2,晁战云3,刘小峰4* 日期:2020-07-09/span> 浏览:65 查看PDF文档

基于ACPSO-SVDD的齿轮箱故障异常检测方法研究*
刘志远1,赵欣洋1,王化玲2,晁战云3,刘小峰4*
(1.国网宁夏电力有限公司 检修公司,宁夏 银川 750011;2.国网智能科技股份有限公司,山东 济南 250101;
3.华通科技有限公司,重庆 400112;4.重庆大学 机械传动国家重点实验室,重庆 400044)
摘要:针对设备关键部件异常检测中故障数据缺失以及故障程度划分问题,对齿轮箱的各种类型故障进行了异常检测研究,提出了基于自适应混沌粒子群优化的支持向量数据描述方法。该方法引入了自适应混沌理论,对传统粒子群优化算法进行了改进,增强了粒子跳出局部最优解的能力,提高了粒子群体对最优解的全局搜索能力;采用ACPSO对SVDD的惩罚因子以及核参数进行了参数寻优,并应用于齿轮箱减速器的异常检测中。研究结果表明:ACPSO-SVDD异常检测方法不仅能够对不同类型的故障异常进行准确检测,而且能够对故障损伤程度进行量化分析。
关键词:自适应混沌粒子群优化;支持向量数据描述;异常检测;参数寻优
中图分类号:TH132.46;TP206.3        文献标识码:A          文章编号:1001-4551(2020)04-0377-06
本文引用格式:
刘志远,赵欣洋,王化玲,等.基于ACPSO-SVDD的齿轮箱故障异常检测方法研究[J].机电工程,2020,37(4):377-382.
LIU Zhi-yuan, ZHAO Xing-yang, WANG Hua-ling, et al. Anomaly detection of gearbox fault based on ACPSO-SVDD[J].Journal of Mechanical & Electrical Engineering, 2020,37(4):377-382.
《机电工程》杂志:http://www.meem.com.cn

合作伙伴

浙江机械信息网