基于GA改进DHMM和KPCA-RS的滚动轴承智能诊断方法研究.pdfVIP

基于GA改进DHMM和KPCA-RS的滚动轴承智能诊断方法研究 ·21· 基于 GA改进 DHMM和 KPCA—RS的滚动轴承智能 诊断方法研究 袁洪芳 ，吉 展 ，王华庆 (1．北京化工大学 信息科学与技术学院，北京 100029；2．北京化工大学 机电工程学院，北京 100029) 摘要：为实现滚动轴承故障智能诊断，提出了一种基于核主元分析法(KPCA)、粗糙集(RS)和遗传算法 (GA)改进离散隐马尔科夫模型(DHMM)的智能诊断方法。通过使用混合核函数的KPCA和 RS对时 域、频域参数进行约简，构造敏感性高、稳定性强，并能准确表征轴承状态的特征参数矩阵。应用GA优 化了DHMM，克服了DHMM训练算法容易陷入局部极小的缺点。最后应用GA优化的DHMM训练算 法得到的滚动轴承各状态下的DHMM，并通过 比较测试样本在各 DHMM下的对数似然概率，实现了轴 承故障类型的有效识别。实验结果表明，该方法可以有效地识别滚动轴承的状态，具有较强的适用性。 关键词：KPCA；RS；GA；DHMM；故障诊断 中图分类号：TH165 ．3；TP206 文献标识码：A 文章编号：1000—8829(2014)11—0021—04 IntelligentFaultDiagnosisBasedonGA-DHMM andKPCA-RSof RollingBearing YUANHong—fang，jIChen，WANG Hua—qing (1．CollegeofInformationScience＆Technology，BeijingUniversityofChemicalTechnology，Beijing100029，China； 2．CollegeofMechanicalElectricalEngineering，BeijingUniversityofChemicalTechnology，Beijing100029，China) Abstract：Anintelligentdiagnosismethodforrollingbearingisproposed，whichisconstructedonthebasisof kernelprincipalcomponentanalysis(KPCA)，roughset(RS)andadiscretehiddenMarkovmodel(DHMM)0p— timizedbygeneticalgorithm(GA)．KPCA-RSisusedtooptimizethetimedomainand~equencydomainchar— acteristicparametersandconstructamoresensitiveandstablecharacteristicparametersmatrixwhichcanaccu- ratelycharacterizethebearingcondition．Additionally，DHMM isoptimizedbyGA tosolvetheproblem that DHMM trainingalgorithm iseasytofallintolocal minimum．TheDHMM basedon GA canbeobtainedunder eachrollingbearingstate．Thefaultstatecanbeidentifiedbycalculatingandcomparingthelogarithmiclikeli- hoodprobabilityofeachDHMM oftestingdata．Theexperimentalresultsshow thatthemethodcaneffectively identifytherollingbearingfaultstatewithhighrecognitionaccuracy． Keywords：KPCA；RS；GA；DHMM；faultdiagnosis HMM是一种不完