基于SFLA-BP模型和KPCA特征提取的行星齿轮箱故障诊断
贺妍
王宗彦
1.中北大学机械工程学院,太原030051;山西省起重机数字化设计工程技术研究中心,太原0300512.中北大学机械工程学院,太原030051;山西省起重机数字化设计工程技术研究中心,太原030051
摘要：混合蛙跳算法(SFLA)是将竞争进化策略和有限度随机搜索有机结合的群智能优化算法,已应用于各种优化问题.分析混合蛙跳算法用于全局优化问题的优势,并建立了基于混合蛙跳优化BP神经网络(SFLA-BP)算法模型,进行了仿真研究.以行星齿轮箱为工程实例,分析了行星齿轮故障信号传递路径复杂,相互耦合,呈现非线性的特性.应用核主元分析(KPCA)提取了时、频域敏感的特征参数,特征属性由27维压缩到9维,并建立了结构为9-14-4的神经网络故障诊断系统.充分利用混合蛙跳算法全局搜索的优势实现了行星齿轮不同磨损程度的故障诊断.诊断结果表明:SFLA-BP模型与BP神经网络相比,整体输出误差较小,诊断的准确率提高了12.5％,对不同损伤程度的故障可以达到准确的识别效果.
关键词：混合蛙跳算法(SFLA)BP神经网络行星齿轮箱故障诊断核主元分析(KPCA)
分类号：TP277(自动化技术及设备)TH132.4(机械零件及传动装置)
论文发表日期：2020-04-15
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）
页数：7( 263-269 )
英文信息