基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断.pdfVIP

基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断·l7·

基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断

袁洪芳，邢爽，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：鉴于齿轮箱系统的复杂性和齿轮箱故障信号的多样性，提出一种基于KPCA和改进蚁群遗传算法

(IACG)相结合的齿轮箱故障诊断新方法。通过KPCA去掉原始故障参数集中的冗余信息，再利用

IACG算法找出降维后参数的最优解。IACG算法改进了传统蚁群算法中的概率转移公式，通过增加区

域目标函数值，提高了转移运算的效率和准确率；IACG算法增加了局部搜索功能，计算得到的蚂蚁解与

遗传算法的均匀两点交叉算子相结合，减少了算法的搜索时间，扩大了搜索空间，使得收敛效果更趋近

最优解。实验结果表明，KPCA与IACG相结合的算法可以有效识别齿轮箱故障，相对于传统的蚁群算

法，其运算效率和准确率有很大提高。

关键词：核主成分分析；改进蚁群遗传算法；参数降维