遗传算法在故障诊断技术中的应用——频域最佳特征参数自动再生法

用遗传算法自动再生(Self-reorganization)最佳特征参数方法,几乎可以应用于所有设备的故障诊断。本文就如何自动再生频域的最佳特征参数作了详细论述,给出了具体的操作方法和实例。

遗传算法在故障诊断技术中的应用(续)——频域最佳特征参数自动再生法

四、轴承故障诊断实例 作者已将本文论述的方法应用到许多设备故障诊断当中。这里举轴承故障诊断的例子。 只要找到能够识别图4所示的频谱比S(f)的最佳特征参数,就可以有效地识别图1所示的轴承故障。表1、2、3为(3)～(10)式定义的原始特征参数的识别指标DI和识别概率,从这些表中可以看出原始特征参数对识别轴承的故障不是太有效的。

基于瞬时转速和遗传算法的内燃机故障诊断方法

内燃机瞬时转速信号中蕴含着大量有关机器运行的信息 ,非常适合用于内燃机的故障诊断。但瞬时转速中蕴藏的故障信息比较微弱 ,加上测量的随机性影响 ,必须提取多个故障特征进行综合诊断 ,而如何从中构造理想的特征参数 ,是一项非常困难的工作。对此 ,本文使用遗传算法对故障特征进行组合优化 ,构造最佳特征参数。以 6-1 3 5型柴油机单缸少量减油故障为例 ,从多个瞬时转速数据样本的时域、频域和波形参数中提取了 6个原始特征 ,利用遗传算法使这些参数在各种运算组合的过程中优胜劣汰 ,最后进化成为一个综合了几个原始特征的综合诊断参数 ,使用该参数进行故障状态的判别 ,提高了诊断的正确率 ,并简化了诊断过程。