基于广义正态分布算法优化支持向量机的电机轴承故障诊断研究  

Research on Motor Bearing Fault Diagnosis Based on Generalized Normal Distribution Algorithm Optimization Support Vector Machine

作　　者：陈鑫洋[1] 李水明[1] CHEN Xinyang;LI Shuiming(Liuzhou Railway Vocational Technical College,Liuzhou 545616)

机构地区：[1]柳州铁道职业技术学院,柳州545616

出　　处：《现代制造技术与装备》2023年第9期53-55,共3页Modern Manufacturing Technology and Equipment

基　　金：2021年度广西高校中青年教师科研基础能力提升项目“智能电机轴承故障监测系统研究”(2021KY1405);2022年度广西高校中青年教师科研基础能力提升项目“转辙机缺口智能监测预警系统研究”(2022KY1422);2020年广西高等学校千名中青年骨干教师培育计划项目(桂教教师[2020]58号)。

摘　　要：为了提高旋转机械设备故障诊断的准确率,提出一种基于广义正态分布优化(Generalized Normal Distribution Optimization,GNDO)的支持向量机(Support Vector Machine,SVM)算法。在SVM算法的基础上,使GNDO对其进行寻优求解,找到SVM算法的最优参数组,以此推导出GNDO-SVM算法。结果表明,在电机轴承故障诊断中,GNDO-SVM算法相较于SVM算法的分类准确率提高了3.9个百分点,有着更好的有效性和准确性。In order to improve the accuracy of rotating machinery fault diagnosis,a Support Vector Machine(SVM)algorithm based on Generalized Normal Distribution Optimization(GNDO)is proposed.On the basis of SVM,GNDO is used to optimize the generalized normal distribution optimization.Find the optimal parameter set of SVM algorithm,and then derive the GNDO-SVM algorithm.The results show that compared with the SVM algorithm,the GNDO-SVM algorithm has a higher classification accuracy of 3.9 percentage points,and has better effectiveness and accuracy in motor bearing fault diagnosis.

关 键 词：故障诊断 支持向量机(SVM) 电机轴承 广义正态分布优化(GNDO) 

分 类 号：TP277[自动化与计算机技术—检测技术与自动化装置] TP18[自动化与计算机技术—控制科学与工程] TM307.1[电气工程—电机]