科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对80 MN海绵钛液压机主要故障,提出一种基于粗糙集（RS）-支持向量机（SVM）的故障诊断方法。对传感器采集的故障信号进行归一化处理,使用RS对采集信号进行条件属性约简;对处理后的数据通过SVM方法进行训练和分类,分析出海绵钛液压机的具体故障。利用遗传算法（GA）优化SVM模型的主要参数,通过计算机仿真及电机实验平台分别验证模型的可行性,利用相同数据训练SVM模型及后向传播神经网络BPNN模型。比较3种模型的仿真结果,提出基于RS-GASVM的故障诊断模型对于多维数据的故障可达92.667%,数据处理时间为161.475 ms,明显优于SVM模型及BPNN模型。由此证明方法对海绵钛液压机故障诊断的高效性。
- 单位
