基于人工蜂群算法和LSSVM的風(fēng)機(jī)齒輪箱故障診斷.pdf

1、隨著經(jīng)濟(jì)的發(fā)展和人口的增加,能源危機(jī)正影響著人們的生活,風(fēng)能是綠色能源,蘊(yùn)藏量豐富,因此被廣泛的使用,其中最有利的形式就是風(fēng)力發(fā)電。風(fēng)力發(fā)電成本低,無污染,具有很好的發(fā)展前景。隨著風(fēng)電機(jī)組的廣泛使用以及設(shè)備結(jié)構(gòu)的逐步復(fù)雜,故障問題也逐漸引起了人們的關(guān)注。在風(fēng)電機(jī)組中,齒輪箱是故障發(fā)生率最高的部件,因此本文研究了風(fēng)機(jī)齒輪箱的故障診斷方法。
　　風(fēng)機(jī)齒輪箱發(fā)生故障的樣本數(shù)據(jù)較少,一般的故障診斷方法難以保證診斷的性能。支持向量機(jī)(Sup

2、port Vector Machine,SVM)是一種小樣本的人工智能方法,適合對風(fēng)機(jī)齒輪箱進(jìn)行故障診斷。最小二乘支持向量機(jī)(Least Square Support Vector Machine,LSSVM)是對SVM方法的改進(jìn),無論是運(yùn)行時間還是正確率,LSSVM算法都有了提高,因此本文選擇LSSVM作為故障診斷的理論基礎(chǔ)。
　　LSSVM的參數(shù)對其性能有著非常重要的作用,為了避免參數(shù)選擇的盲目性,需要對其參數(shù)進(jìn)行優(yōu)化。本文對

3、人工蜂群算法(Artificial Bee Colony Algorithm,ABC)進(jìn)行了改進(jìn),引入了反向?qū)W習(xí)的方法和錦標(biāo)賽的選擇策略,研究了基于錦標(biāo)賽選擇策略的雙種群人工蜂群算法(Bi-Group Artificial Bee Colony Algorithm Based on Tournament Selection,BTABC)。然后利用BTABC算法對LSSVM進(jìn)行參數(shù)優(yōu)化,以BTABC-LSSVM方法對風(fēng)機(jī)齒輪箱進(jìn)行故障診斷