遗传算法优化最小二乘支持向量机的故障诊断

提出一种基于遗传算法分层优化多类最小二乘支持向量机(least squares supportveotor machine,LS-SVM)的故障诊断模型。首先将故障信号经验模态分解(empirical mode decomposition,EMD)为平稳本征模态(intrinsic mode function,I MF)分量,再选择表征故障调制特征的I MF分量并提取瞬时幅值能量作为故障特征输入到遗传算法分层优化好的采用多项式核的多类LS-SVM中进行故障识别。EMD分解可自适应分离故障调制信号;瞬时幅值能量矢量的不同表征各类故障的可分性;遗传算法分层优化惩罚因子和多项式核参数可以使LS-SVM摆脱对故障类型与模式编号映射关系先验知识的依赖,提高LS-SVM的故障预测精度和自适应诊断能力,并可以推广应用于线性、径向基、Sigmoid等核条件下的LS-SVM优化。一个深沟球轴承故障诊断实例说明该模型的有效性。     

隧道不同损伤状态二次衬砌预养护试验研究

采用1∶10破坏性模型试验,研究隧道不同损伤状态衬砌预养护构件变形特性、破坏模式与承载力.研究表明:预养护试件整体破坏由原衬砌拱腰极限承载力控制;预养护损伤衬砌受力过程为"加载—原裂缝贯通—套拱拱顶裂缝贯通—试件破坏",整体结构刚度逐渐退化.关键部位破坏顺序为"拱顶开裂—拱腰脆性断裂—拱顶延性破坏".裂缝深度为1/3衬砌厚度损伤状态可作为合理预养护时机;不同损伤状态衬砌预养护曲率突变点一致,可作为加固构件养护控制基准;提出衬砌预养护构件破坏荷载与损伤状态关系简易计算公式,计算结果与试验误差约5%.     

基于交叉验证法优化参数的Morlet小波消噪方法

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。