DPCA与GA-SVM融合的智能台车液压系统故障诊断

• 作者: 陈昭明 徐泽宇 赵迎
• 来源期刊: 控制工程
• 关键词: 液压系统 故障诊断 动态主成分分析 遗传算法 支持向量机
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 安全监控系统
• 页码范围: 1980-1986
• 页数: 7页
• 分类号: TP206.3
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20180411

摘要

针对智能台车液压系统故障原因复杂多样及故障诊断效率低等问题,提出动态主成分分析(DPCA)与遗传算法改进支持向量机(GA-SVM)相结合的液压系统故障诊断方法.首先,采用AMEsim软件建立液压系统仿真模型采集故障数据并进行预处理;然后采用DPCA对故障特征向量进行降维,解除特征间的相关性和缩短训练时间;再运用遗传算法对SVM进行参数优化,将抽取出来的故障特征参数样本输入优化后的SVM中进行训练,获得分类模型,从而实现故障诊断.测试结果表明该方法的效率高于常规PCA-SVM及BP神经网络,为台车设备的维修和保养提供了指导,具有良好的应用价值和前景.