基于k-pso 稀疏表示的故障分类方法研究 - 计算机科学.pdf

Vo 1. 43 No. 12 第 43 卷第12 期 计算机科学 2016 年 12 月 Computer Science Dec 2016 基于 K-PSO 稀疏表示的故障分类方法研究 傅蒙蒙1 王培良1 ， 2 (杭州电子科技大学新型电子器件研究所 杭州 310018)1 (湖州师范学院信息与控制技术研究所 湖州 313000)2 摘 要 针对现代复杂生产过程中不能准确识别、分类多种故障的问题，提出一种改进的稀疏表示故障分类方法。该 方法依据信号的稀疏表示来判断故障所属类别。其具体实现过程首先是利用 K 均值奇异值分解CK-SVD)算法构造 过完备字典，使其包含房、信息的主要特征，再通过粒子群CPSQ) 算法有效地搜索并寻找稀疏分解中产生的在过完备字 典范围中的最匹配原子，最后利用以该匹配原子为基础的稀疏表示结果实现对多故障问题的分类识别。运用数值仿 真验证了该算法的可行性和有效性。同时，针对柴油机燃油系统的故障分类，将该方法与基于 BP 神经网络和 SVM 的分类识别方法进行比较，实验表明该算法在故障分类上具有更好的效果。 关键词 稀疏表示，K 均值奇异值分解算法，粒子群算法，故障分类 中图法分类号 TP18 文献标识码 A 001 10. 11896/j. issn. 1002-137X. 2016. 12. 056 Investigation on Fault Classification Method of K-PSO Sparse Representation 1 1 FU Meng-meng WANG Pei-liang ,2 CInstitute of New Devices ,Hangzhou Dianzi University ,Hangzhou 310018 ,China)1 CInstitute of Information and Control Technology ,Huzhou Teachers College ,Huzhou 313000 ,China) 2 Abstract In order to solve the problem of multiple faults which can not be identified and classified accurately in modern complex production process ,an improved sparse representation fault classification method was proposed. This method is based on the sparse representation of the signal to determine the fault categories. First , the specific implementation process utilizes K-Means Singular Value De-compositionCK-SVD) algorithm to constructe over complete dictionary with main features in the original message ,and then uses the particle swa口n optimization(PSO) algorithm to search and