基于S-PSO分类算法的故障诊断方法

《基于S-PSO分类算法的故障诊断方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报ActaAeronauticaetAstronauticaSinicaNov252015V01．36No．113640．3651ISSN1000-6893ON11—1929／Vhttp：Hhkxb．buaa．edu．onhkxb@buaa．edu．cn基于S-PSO分类算法的故障诊断方法郑波*，高峰中国民用航空飞行学院，广汉618307摘要：将监控数据的已知状态作为先验类别标签，构造出新的有监督的粒子群优化(S-PSO)分类算法，并对设备进行故障诊断。为提高故障诊断的准确率，降低随机性对分类算法的影响，提出了新的基于动态邻域的自适应探测更新(ADU—DN)的干预更新策略来

2、拓展粒子搜索整个解空间的能力，引导粒子自适应地跳出局部最优区域，确保获得全局最优解；同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数，使得输出的最优类别中心兼顾了这3个因素，增强了分类算法在故障诊断中的通用性和容错性，提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究，研究数据表明：S-PSO分类算法表现出了较强的鲁棒性，在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。关键词：监督的粒子群优化分类

3、算法；动态邻域；自适应探测更新；适应度函数；故障诊断中图分类号：V263．6；TP277文献标识码：A文章编号：1000—6893(2015)11-3640—12现代设备由于技术水平和复杂程度不断提高，导致故障对生产的影响显著增加，同时对设备故障机理、故障模式的分析判断也越来越复杂，因此要保证设备可靠、有效运行，必须大力发展故障诊断技术。传统基于设备运行特征的解析模型方法由于难以精确描述复杂设备运行过程的特点，且建模具有相当的复杂性和专业性，限制了此种方法的发展[1]。随着智能技术的长足进步，对设备运行过程中积累的大量状态特征数据进行研究推动了故障诊断技术快速发展，智能技术注重于

4、对设备监控数据的分析判别，避免了复杂的数学建模过程，因而成为故障诊断技术发展的新方向。粒子群优化(PSO)算法是一种典型的启发式群体随机搜索算法，作为群体智能中较成熟的方法，PSO算法在各领域的优化问题中得到了广泛应用。Mangat和Vig利用动态PSO算法优化动态自适应联想分类器，提高了分类器数据挖掘能力[23；Martinez—Soto等利用混合粒子群优化一遗传(PS0～GA)算法优化模糊逻辑控制器，减小了机器响应的稳态误差[31；Kibria等利用基于约束侵犯的异构边界条件来指引粒子搜索解空间的PSO算法，并成功用于对宽屏天线的优化设计[43；Ghanei等利用多目标PS0

5、算法对管壳式换热器设计进行了优化，提高了产品的热回收率，降低了生产成本[5]。在模式识别方面，PSO算法主要对数据聚类[6]。Cagnina等利用新型的离散PSO算法对短文本进行聚类，提高了聚类的精度和效率[73；Lam等利用集成K—Means和PSO算法对基因表达数据进行聚类，降低了聚类误差[83；Avanija和Ra一收稿日期：2014—12-15：退修日期：2015-01-03；录用日期：2015-01—13；网络出版时间：2015-01．2614：51网络出版地址：WWW．cnki．net／kcms／deta¨／11．1929V20150126．1451．002．html

6、基金项目：国家自然科学基金民航联合研究基金(U1233202)；中国民用航空飞行学院青年基金(Q2013-049)*通讯作者．Tel．：0838-5182516E-mail：b_zhengl@126．com礅角格武

7、ZhengB．GaoF．FaultdiagnosismethodbasedonS-PSOclassificationalgorithm[J2iActaAeronauticaetAstronauticaSinica．2015．36(11)：3640-3651．郑渡，高峰基fS-PSO分类算法的故障诊断方法!如．航空学报．2015．36(11)：3640．3651。郑波等

8、：基于S-PSO分类算法的故障诊断方法mar提出语义相似性度量和PSO算法的网络数据聚类方法，该方法较其他传统方法聚类精度更高[93；Zhang等提出动态混合交叉PSO算法的混合聚类方法，该方法完全摆脱了K-Means算法的缺点，获得了满意的聚类结果[1⋯。而在分类应用方面，对PSO算法的研究显得不足，PSO算法仅作为辅助工具对其他分类算法进行优化，Fathi和Montazer利用PSO算法对径向基函数(RBF)网络的权值调整策略进行优化，提高了RBF的分类能力[1妇；Gurak