e6改进及其在机械故障诊断中的应用研究.pdf

第 卷 第 期 机 械 科 学 与 技 术 19 3 VO .19 NO.3 2000年 5月 MECHANICAL SCIENCE AND TECHNOLOGY May 2000 文章编号:1003-8728(2000D03-0392-03 遗传算法改进及其在机械故障诊断中的应用研究 陈长征 徐玉秀 杨 璐 (沈阳工业大学 沈阳 110023D 陈长征 摘 要 研究了改进遗传算法求解机械故障诊断的若干问题 定义了遗传算法求解故障: 诊断问题的概率因果网络 给出了求解故障诊断的数学表达式和适合于旋转机械的 故障集~因果强度和先验概率表 指出表达式的最小值的集合对应于故障征兆集 因 ~ 果集和征兆集 并以某厂风机的振动故障为例验证了该方法的有效性 G 关 键 词 遗传算法 旋转机械 故障诊断: ; ; 中图分类号: 117 文献标识码: TH A 引 言 这样做一是促成算法加速收敛 二是避免陷入局部极小 G 遗传算法( D与传统算法有很多不同之处 主要体现 为了自适应地调整 和 避免 早熟于局部最 GA P6 Pm GA 在其使用的算子是随机的 如交叉 变异和繁殖等算子不受 ~ 优点 重要的就是能够识别 GA 是否正在收敛于优化点 一G 确定性规则的控制;但这种搜索也不是盲目的 而是向全局 种方法就是通过观察相对于种群最大适值 f0 的种群平均 最优解方向前进 直接使用适值函数进行适值计算 而不需G 适值 的收敛性 当种群的 0- 减少时 种群收敛到一个 f f f 要求优化函数的导数 使得一些不可求导的优化函数也可 优化解而不是在解空间中发散G 6 和 m 的值随 0- 改 P P f f 用GA 优化 这显示了 GA 适应性强的特点G GA 同时搜索 变 当 0- 减小时 收敛到一个局部优化解 6 和 m f f GA P P 解空间的多个点 从而使之收敛于全局最优解 而不至于陷