提出了基于基因优化最小二乘支持向量机(Gene optimized least squares support vector ma⁃chine,GOLSSVM)的自适应局部迭代滤波(Adaptive local iterative fittering,ALIF)和排列熵(Permuta⁃tion entropy,PE)的故障诊断方法,并将该方...提出了基于基因优化最小二乘支持向量机(Gene optimized least squares support vector ma⁃chine,GOLSSVM)的自适应局部迭代滤波(Adaptive local iterative fittering,ALIF)和排列熵(Permuta⁃tion entropy,PE)的故障诊断方法,并将该方法应用于齿轮箱的诊断,成功实现了对齿轮箱4种故障种类的识别。针对排列熵无法直接识别齿轮箱不同故障类别的问题,利用ALIF方法相较于EMD方法在去除残余噪声及抑制模式混叠上的优势,使用ALIF方法对故障信号进行降噪,提取有效分量,再计算有分量的PE值(C-PE值),以获得振动信号的多尺度特性;然后,使用基因算法对最小二乘支持向量机(Least squares support vector machine,LSSVM)进行了优化;最后,将特征向量输入到GOLSSVM,对故障特征进行分类。结果表明,所提方法相比BP神经网络和SVM在故障识别精度上有优势。展开更多
文摘提出了基于基因优化最小二乘支持向量机(Gene optimized least squares support vector ma⁃chine,GOLSSVM)的自适应局部迭代滤波(Adaptive local iterative fittering,ALIF)和排列熵(Permuta⁃tion entropy,PE)的故障诊断方法,并将该方法应用于齿轮箱的诊断,成功实现了对齿轮箱4种故障种类的识别。针对排列熵无法直接识别齿轮箱不同故障类别的问题,利用ALIF方法相较于EMD方法在去除残余噪声及抑制模式混叠上的优势,使用ALIF方法对故障信号进行降噪,提取有效分量,再计算有分量的PE值(C-PE值),以获得振动信号的多尺度特性;然后,使用基因算法对最小二乘支持向量机(Least squares support vector machine,LSSVM)进行了优化;最后,将特征向量输入到GOLSSVM,对故障特征进行分类。结果表明,所提方法相比BP神经网络和SVM在故障识别精度上有优势。