基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别
裴模超1
张建军2
李洪儒1
于贺1
1.陆军工程大学石家庄校区,石家庄0500032.中国人民解放军32140部队,石家庄050003
摘要：退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.
关键词：旋转机械退化状态识别双目标优化遗传算法支持向量机分类器
分类号：TH212(起重机械与运输机械)TH213.3(起重机械与运输机械)
资助基金：国家自然科学基金(51275524)
论文发表日期：2021-12-15
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：9( 1280-1288 )
英文信息