《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于ACPSO-SVDD的齿轮箱故障异常检测方法研究

作者：刘志远1,赵欣洋1，王化玲2,晁战云3,刘小峰4* 日期：2020-07-09/span> 浏览：2168 查看PDF文档

基于ACPSO-SVDD的齿轮箱故障异常检测方法研究*
刘志远1,赵欣洋1，王化玲2,晁战云3,刘小峰4*
（1.国网宁夏电力有限公司检修公司,宁夏银川 750011；2.国网智能科技股份有限公司，山东济南 250101；
3.华通科技有限公司，重庆 400112；4.重庆大学机械传动国家重点实验室，重庆 400044)

摘要：针对设备关键部件异常检测中故障数据缺失以及故障程度划分问题，对齿轮箱的各种类型故障进行了异常检测研究，提出了基于自适应混沌粒子群优化的支持向量数据描述方法。该方法引入了自适应混沌理论，对传统粒子群优化算法进行了改进，增强了粒子跳出局部最优解的能力，提高了粒子群体对最优解的全局搜索能力；采用ACPSO对SVDD的惩罚因子以及核参数进行了参数寻优，并应用于齿轮箱减速器的异常检测中。研究结果表明：ACPSO-SVDD异常检测方法不仅能够对不同类型的故障异常进行准确检测，而且能够对故障损伤程度进行量化分析。
关键词：自适应混沌粒子群优化;支持向量数据描述;异常检测;参数寻优
中图分类号：TH132.46；TP206.3 文献标识码：A 文章编号：1001-4551(2020)04-0377-06
本文引用格式：
刘志远,赵欣洋，王化玲,等.基于ACPSO-SVDD的齿轮箱故障异常检测方法研究［J］.机电工程，2020，37(4)：377-382.
LIU Zhi-yuan, ZHAO Xing-yang, WANG Hua-ling, et al. Anomaly detection of gearbox fault based on ACPSO-SVDD［J］.Journal of Mechanical & Electrical Engineering, 2020,37(4):377-382.
《机电工程》杂志：http://www.meem.com.cn