基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断

doi:10.13952/j.cnki.jofmdr.2023.0055

	基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断
	于松鹤 1; 王亚楠 2; 路泽永 3; 王康康 2; 李峰 4
	2023-04-20
发表期刊	机械设计与研究
ISSN	1006-2343
卷号	39 期号:02 页码:95-98
摘要	为了进一步提高齿轮裂纹故障诊断精度，设计了一种基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断方法。对时频域进行特征降维处理时通过主成分分析(PCA)的方式实现高维信号噪声。为了抑制支持向量机(SVM)算法分类精度低问题，引入粒子群算法(PSO)进行加强，并使SVM算法获得更优的核函数。研究结果表明：以SVM-PSO算法进行处理时相对其它算法表现出了更高的精度，能够满足优异的分析性能。以SVM-PSO算法进行处理时的精度最高，能够满足高稳定性要求，所需计算时间也较合适，PSO方法有助于算法分类精度及效率都获得显著提升。样本数对处理时间影响很大，综合判定训练样本数设置1600是相对比较合理的。采用时域特征时会导致分类精度下降，外频域特征相对时域特征可以达到更高的精度。
关键词	齿轮裂纹故障诊断主成分分析支持向量机粒子群优化
DOI	10.13952/j.cnki.jofmdr.2023.0055
URL	查看原文
收录类别	北大核心 ; CSCD
语种	中文
资助项目	河南高等学校重点科研项目(21B120002)
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/153152
专题	国家开放大学河南分部
通讯作者	路泽永
作者单位	1.河南开放大学信息工程与人工智能学院; 2.河南开放大学机电工程学院; 3.河北石油职业技术大学河北省仪器仪表产业技术研究院; 4.河南科技大学机械工程学院
第一作者单位	国家开放大学河南分部
第一作者的第一单位	国家开放大学河南分部
推荐引用方式 GB/T 7714	于松鹤,王亚楠,路泽永,等. 基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断[J]. 机械设计与研究,2023,39(02):95-98.
APA	于松鹤,王亚楠,路泽永,王康康,&李峰.(2023).基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断.机械设计与研究,39(02),95-98.
MLA	于松鹤,et al."基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断".机械设计与研究 39.02(2023):95-98.