基于Isomap和IGA-SVM的齿轮箱故障诊断研究
刘志川1
唐力伟2
曹立军2
1.军械工程学院火炮工程系,石家庄050003;中国人民解放军73903部队,厦门3611002.军械工程学院火炮工程系,石家庄,050003
摘要：为了解决齿轮箱故障诊断模式识别过程中参数难以确定的问题,引入了一种基于等距特征映射(Isometric feature mapping,Isomap)和改进遗传算法(Improved genetic algorithm,IGA)优化支持向量机(Support vector machine,SVM)参数的方法.首先在自适应最优邻域参数下,对齿轮箱振动信号高维特征集数据进行等距特征映射,通过改进的遗传算法优化支持向量机的惩罚参数和核函数参数,最终实现对降维后数据的识别分类.将所提方法应用于齿轮箱故障诊断,结果表明,所提方法具有较高的诊断正确率,与传统的支持向量机方法相比有更好的诊断效果.
关键词：等距特征映射遗传算法支持向量机齿轮箱故障诊断
分类号：TH133.33(机械零件及传动装置)
论文发表日期：2016-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
英文信息