针对支持向量机(SVM)参数一般是人为选取,无法准确取到最佳值的问题,提出了一种基于粒子群算法(PSO)对参数进行优化的支持向量机(PSO-SVM)。以减速机齿轮的3类故障类型(正常、磕碰、磨损)数据作为研究资料,组成训练样本集,训练PSO-SVM分类模型,从训练集中抽取部分数据组成测试样本集,对模型进行检验测试。研究表明:PSO-SVM模型分类正确率达到了93.8%,相较未进行参数优化的SVM,算法能更好地找到全局最优解,提高了模型的分类正确率。 其惩罚参数C和高斯核参数σ的选取不再依靠人为经验或者是任意选取，而是基于PSO算法的迭代优化选取，对于不同的核函数或者训练样本集，计算并匹配不同最佳参数(C，σ)。3减速机齿轮故障诊断3．1减速机齿轮故障诊断平台为验证PSO-SVM算法在实测实验中的分类性能，搭建了减速机齿轮诊断实验台。采用型号为RV50的减速机，减速比7．5。减速机直接与驱动电机相连，驱动电机将动力传到减速机，带动减速机产生振动。加速度信号经传感器由研华PCI-1714UL型四通道同步采集卡采集传输至电脑端，输入SVM。图1为实验搭建的减速机实验台，用螺纹栓将传感器固定在减速机表面中心的螺纹孔，传感器设计-数控滚圆机滚弧机价格低电动滚圆机折弯机多少钱该螺纹孔位于齿轮啮合正上方，加速度传感器固定在此处测量能较好地测得振动信号(图1中圆圈所示)。图1减速机实验台减速机的蜗轮和蜗杆硬度相差较大，相对于蜗杆，蜗轮出现故障的概率要大得多 本文有张家港市泰宇机械有限公司全自动倒角机采集网络整理，http://www.daojiaoj.com ，所以本次实验的故障设置在蜗轮齿轮上。设置的故障分别为齿轮磕碰、齿轮磨损，2种故障与正常齿轮共构成3种类别，通过分类器进行分类。正常齿轮获取正常齿轮减速机的振动信号，作为标准样本库;故障样本库包含2个已知齿轮故障减速机的振动信号，故障类型分别为齿轮的磕碰故障及磨损故障。由于在实际情况中，采集的振动信号并非理想的线性信号，因此，本文选用了非线性SVM，并利用启发式智能算法对核函数及模型参数进行调整，以达到良好的分类效果。3．2特征向量指标选取利用PCB356A33加速度传感器测得振动信号计算21项常用时域统计指标，以此作为支持向量机的输入。测点位置选择在图1所示减速机上方圆圈处。该测点位置处于减速机齿轮啮合的正上方，可较好地接收故障信号的传递，所含齿轮故障信息较多。在驱动电机转速为1500r/min的情况下测通过对现有磁致伸缩系数测量方法的分析,提出了一种非平衡电桥法测定磁致伸缩系数的新方法,并设计制作了微弱应变测量传感器,获得了温度在295 K时铁—镓(Fe-Ga)合金材料在0~60 m T磁场中的关系曲线,并建立了磁致伸缩系数与磁场的关系公式。实验结果表明:传感器能够稳定和精确地获取磁致伸缩系数,为精确测量磁致伸缩材料在磁场中的变化特性开辟了新途径,在一定程度上,解决了当前实验仪器研究中存在的超微弱信号极难测量和稳定性的问题,为以后相关仪器的研究提供了范例,可作进一步推广。 传感器设计-数控滚圆机滚弧机价格低电动滚圆机折弯机多少钱 本文有张家港市泰宇机械有限公司全自动倒角机采集网络整理，http://www.daojiaoj.com