首页|基于LF-GWO优化FKCA模型的齿轮箱故障诊断研究

基于LF-GWO优化FKCA模型的齿轮箱故障诊断研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
采用莱维飞行策略对灰狼优化算法进行了优化,显著提升了算法的初期搜索性能.建立了 LF-GWO算法求解FKCA模型,并给出了故障诊断步骤.通过实验验证结果表明:经过800次迭代计算处理时,LF-GWO寻优形成的最小错误率2％,以LF-GWO/FKCA诊断测试集时获得了 98％的正确率,只对点蚀与磨损的故障类型存在错误判断各一处情况.相比较FKCA和BP方法,采用LF-GWO/FKCA方法则可以将无标签缺齿数据归为第4类,从而实现与已知故障类型的区分,达到了更高的正确率,实际测试正确率为98％,显著提升故障诊断正确率.对齿轮箱的故障进行诊断仿真显示本文设计的诊断方法可以达到很低的错误率,表现出了优异的故障诊断性能.
Gearbox Fault Diagnosis Based on LF-GWO Optimized FKCA Model

袁荷伟、李高磊、袁黎、张强

展开 >

河南交通职业技术学院汽车学院,河南 郑州 450000

河海大学土木与交通学院,河南郑州 450000

河南睿智液压设备有限公司,河南郑州 450000

灰狼优化算法 模糊核聚类 齿轮箱 故障诊断 错误率

河南省高等学校青年骨干教师培养计划

2017GGJS242

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.386(4)
  • 13