首页> 中文期刊> 《北部湾大学学报》 >基于优化AFSA算法的滚动轴承故障特征提取

基于优化AFSA算法的滚动轴承故障特征提取

         

摘要

针对现有滚动轴承故障特征提取算法存在的特征采集效率低、有效数据迭代慢等不足,提出一种基于优化人工鱼群(AFSA)的故障特征提取算法。作为一种高效的群智能算法,AFSA主要通过AFSA个体觅食算子、聚群算子和追尾算子,平衡食物源与个体密度之间的关系;对经典AFSA算法进行优化,采用人工方式调整共轭梯度方向,避免由于数据集过大、活鱼群个体位置更新过慢而产生随机偏差,进而提升对故障特征分类的准确性。实验结果显示:该群智能算法的故障提取性能远优于信号盲分离、小波包和卷积神经网络3种传统算法,当迭代次数达到50次时,步长函数取值能够收敛到最小。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号