基于人工蜂群优化核主元分析故障检测方法
来源期刊:控制工程2018年第9期
论文作者:石怀涛 赵纪宗 宋文丽 李颂华 刘建昌
文章页码:1686 - 1691
关键词:故障检测;核主元分析;混合核函数;人工蜂群算法;参数优化;
摘 要:核主元分析方法(Kernel Principal Component Analysis,KPCA)能有效地捕捉数据的非线性特征,其故障检测能力很大程度上取决于核参数的选择。常用的核函数有多项式核函数和高斯径向基核函数等。该方法将多项式核函数和高斯径向基核函数进行线性组合,结合两者优点得到混合核函数,使用故障检测率作为优化目标的适应度函数,通过人工蜂群(Artificial Bee Colony Algorithm,ABC)优化算法对KPCA核参数的选取进行优化。将该方法应用到电主轴的转子不平衡故障分析中,对信号进行时域分析,利用KPCA对样本数据进行非线性特征提取,根据主元特征计算出的T2和SPE统计量实现故障检测。经过对实验数据分析表明,ABC优化算法较二分法、粒子群等优化算法能更有效地提高故障检测率。
石怀涛1,赵纪宗2,宋文丽2,李颂华1,刘建昌3
1. 沈阳建筑大学国家地方联合工程实验室2. 沈阳建筑大学机械工程学院3. 东北大学信息科学与工程学院
摘 要:核主元分析方法(Kernel Principal Component Analysis,KPCA)能有效地捕捉数据的非线性特征,其故障检测能力很大程度上取决于核参数的选择。常用的核函数有多项式核函数和高斯径向基核函数等。该方法将多项式核函数和高斯径向基核函数进行线性组合,结合两者优点得到混合核函数,使用故障检测率作为优化目标的适应度函数,通过人工蜂群(Artificial Bee Colony Algorithm,ABC)优化算法对KPCA核参数的选取进行优化。将该方法应用到电主轴的转子不平衡故障分析中,对信号进行时域分析,利用KPCA对样本数据进行非线性特征提取,根据主元特征计算出的T2和SPE统计量实现故障检测。经过对实验数据分析表明,ABC优化算法较二分法、粒子群等优化算法能更有效地提高故障检测率。
关键词:故障检测;核主元分析;混合核函数;人工蜂群算法;参数优化;