基于PSO-FC优化KPCA的特征提取及行星齿轮磨损损伤程度识别

贺妍; 王宗彦

doi:10.16578/j.issn.1004.2539.2019.02.025

您当前的位置：

首页 >

文章列表页 >

基于PSO-FC优化KPCA的特征提取及行星齿轮磨损损伤程度识别

试验分析 | 更新时间：2022-10-09

- 基于PSO-FC优化KPCA的特征提取及行星齿轮磨损损伤程度识别
- Feature Extraction and Wear Damage Degree Identification of Planetary Gear based on PSO-FC Optimization KPCA
- 机械传动 2019年43卷第2期页码：137-143
- 作者机构：
  
  1.中北大学机械工程学院，山西太原 030051
  2.山西省起重机数字化设计工程技术研究中心，山西太原 030051
- 作者简介：
  
  贺妍（1991— ），女，辽宁法库人，在读博士研究生，主要研究方向为数字化设计与制造、机械故障诊断。
  王宗彦（1963— ），男，河北晋州人，博士，教授，研究方向为数字化设计与制造、计算机集成制造系统。
- 基金信息：
  
  航空制造工艺数字化重点学科实验室开放基金项目(SHSYS2015003)
- DOI：10.16578/j.issn.1004.2539.2019.02.025
  中图分类号：
扫描看全文
贺妍,王宗彦.基于PSO-FC优化KPCA的特征提取及行星齿轮磨损损伤程度识别[J].机械传动,2019,43(02):137-143.

He Yan,Wang Zongyan.Feature Extraction and Wear Damage Degree Identification of Planetary Gear based on PSO-FC Optimization KPCA[J].Journal of Mechanical Transmission,2019,43(02):137-143.
贺妍,王宗彦.基于PSO-FC优化KPCA的特征提取及行星齿轮磨损损伤程度识别[J].机械传动,2019,43(02):137-143. DOI： 10.16578/j.issn.1004.2539.2019.02.025.

He Yan,Wang Zongyan.Feature Extraction and Wear Damage Degree Identification of Planetary Gear based on PSO-FC Optimization KPCA[J].Journal of Mechanical Transmission,2019,43(02):137-143. DOI： 10.16578/j.issn.1004.2539.2019.02.025.

摘要

行星齿轮传动系统发生故障时，其信号传递中相互耦合，呈现非线性的特性，使得行星齿轮的故障类型及损伤程度难以识别。借鉴模式识别中Fisher准则（FC）判别函数，构建核函数尺度参数优化的数学模型，应用改进的粒子群优化方法对其寻优，充分改善核主元分析法（KPCA）对于非线性问题的分析性能，将其应用于行星齿轮的磨损损伤程度的识别和诊断中。实例分析结果表明，基于PSO-FC智能优化后的KPCA改善了特征空间内数据分布结构，在行星齿轮的磨损损伤程度识别中取得了较好的尺度聚类效果，可以有效地解决复杂机械传动中损伤边界模糊、损伤程度难以识别的问题。

Abstract

When the planetary gear transmission system fails， its signal transmission is coupled with each other， and the nonlinear characteristic is presented， which makes the fault type and damage degree of the planetary gear to be difficultly recognized. The optimization mathematical model of the kernel function scale parameter is constructed by means of Fisher criterion（FC） discriminate function in pattern recognition， and the improved particle swarm optimization method is applied to the optimization to fully improve the analysis performance of the kernel principal component analysis（KPCA） for nonlinear problem. It is applied to the identification and diagnosis of wear damage degree of planetary gear. The results of example analysis show that the intelligently optimized KPCA based on PSO-FC have improve the structure distribution of data in the feature space and achieved the good scale clustering effect in planetary gear wear damage degree recognition. It can effectively solve the identify problems of complex fuzzy damage boundary and damage degree in the mechanical transmission.

关键词

粒子群优化核主元分析行星齿轮箱损伤程度识别Fisher准则

Keywords

Particle swarm optimization（PSO）Kernel principal component analysis （KPCA）Planetary gearboxDamage degree identificationFisher criterion

references

孙灿飞，王友仁. 直升机行星传动轮系故障诊断研究进展［J］. 航空学报， 2017， 38（7）：1-13.

LEI Yaguo， LIN Jing， ZUO M J， et al. Condition monitoring and fault diagnosis of planetary gearboxes： a review［J］. Measurement， 2014， 48：292-305.

LIANG Xihui， ZUO M J， FENG Zhipeng. Dynamic modeling of gearbox faults：a review［J］. Mechanical Systems and Signal Processing， 2018， 98：852-876.

KHAZAEE M， AHMADI H， OMID H，et al. An appropriate approach for condition monitoring of planetary gearbox based on fast Fourier transform and least-square support vector machine［J］. International Journal of Multidisciplinary Sciences and Engineering， 2012， 3：22-26.

LIU Z L， QU J， ZUO M J， et al. Fault level diagnosis for planetary gearboxes using hybrid kernel feature selection and kernel Fisher discriminant analysis［J］. International Journal of Advanced Manufacturing Technology， 2013， 67：1217-1230.

邵晴. 粒子群算法研究及其工程应用案例［D］. 长春：吉林大学， 2017：14.

魏秀业. 基于粒子群优化的齿轮箱故障诊断研究［D］. 太原：中北大学， 2009：5-6， 23， 27.

VO H X， DURLOFSKY L J. Regularized kernel PCA for the efficient parameterization of complex geological models［J］. Journal of Computational Physics， 2016， 322：859-881.

赵宇明，熊慧霖，周越，等. 模式识别［M］. 上海：上海交通大学出版社， 2013：13-15， 73-75.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于DPD-1DCNN的行星齿轮箱故障诊断方法研究

考虑传递路径效应的行星齿轮箱断齿故障仿真研究

基于LMD排列熵和BP神经网络的行星齿轮箱故障诊断方法

基于扭振信号加窗RMS时域同步平均的行星齿轮箱裂纹故障诊断

浮动太阳轮对行星齿轮传动系统动态特性影响研究