智能優(yōu)化算法在轉子故障診斷中的應用方法研究.pdf

1、轉子系統是旋轉機械的核心部件，因此對其運行狀況實施智能故障診斷決策意義重大。粒子群算法、雜草算法與人工神經網絡是三種典型的智能算法。本研究針對轉子振動信號具有準周期性，而有效信號易被噪聲嚴重干擾的特點，以及針對神經網絡進行故障模式辨識時網絡結構冗余、訓練易陷入局部極小等具體困難，在對國內外故障診斷研究現狀進行分析和總結的基礎上，利用智能優(yōu)化算法對轉子振動信號智能消噪濾波與智能模式識別問題進行了研究。所開展的具體研究工作情況和得到的結論如

2、下:
　　1)針對轉子系統故障信號中背景噪聲帶寬較大且與有效信號頻帶產生重合的現象，聯合譜減法、最小均方算法及粒子群優(yōu)化方法，提出一種PSO(ParticleSwarm Optimization)-SSLMS(Spectral Subtraction; Least Mean Square)轉子故障信號消噪方法。該方法具備參數少、易于控制，收斂速度快，可有效避免LMS對寬頻信號的不穩(wěn)定性的特點。對模擬信號處理的結果顯示，該混合算法組

3、織合理，性能優(yōu)越，用于實驗轉子故障信號消噪濾波，也能夠獲得有效的轉子本真準周期性諧波信號，PSO-SSLMS更適合用于轉子故障信號處理。
　　2)用一個工程優(yōu)化實例驗證了經典IWO(Invasive Weed Optimization)搜索性能之后，對IWO做出了適用于神經網絡優(yōu)化的改進。提出的新算法將多種結構的神經網絡權值閾值編碼為不同維度的雜草種子，實現了神經網絡權值閾值與結構的同時優(yōu)化。將該方法應用于轉子系統故障分類問題，實