改进灰狼算法优化支持向量机在风力机齿轮箱故障诊断中的应用
胡璇1
李春2
叶柯华1
张万福1
1.上海理工大学能源与动力工程学院,上海2000932.上海理工大学能源与动力工程学院,上海200093;上海市动力工程多相流动与传热重点实验室,上海200093
摘要：针对灰狼算法易陷入局部最优和后期寻优能力不足等缺点,提出改进非线性控制因子以提高算法收敛精度及稳定性.采用美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)"Gearbox Reliability Collaborative"项目测试采集的风力机齿轮箱振动信号为分析对象,经集合经验模态分解后,计算各本征模态函数分量的模糊熵并构建高维特征向量,后利用等距映射进行降维.利用改进灰狼算法优化支持向量机,对降维后齿轮箱故障特征集进行诊断.结果 表明:改进灰狼优化算法相较于灰狼算法、粒子群算法和遗传算法可有效避免陷入局部最优并提高支持向量机诊断精度及稳定度,在不同测试样本下其准确率均最高,平均准确率达93.17％.
关键词：风力机齿轮箱故障诊断改进灰狼算法优化等距映射支持向量机
分类号：TH133.3(机械零件及传动装置)
资助基金：国家自然科学基金(51976131)国家自然科学基金(51676131)上海市科技创新行动计划地方院校能力建设项目(19060502200)
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：8( 1289-1296 )
英文信息