基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断

作者：于松鹤; 王亚楠; 路泽永^*; 王康康; 李峰

来源：机械设计与研究, 2023, 39(02): 95-98.

DOI：10.13952/j.cnki.jofmdr.2023.0055

• 齿轮裂纹
• 故障诊断
• 主成分分析
• 支持向量机
• 粒子群优化

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。

• 单位
  河南省广播电视大学; 机电工程学院; 河北工业大学城市学院; 河南科技大学