论文部分内容阅读
提出一种基于粒子群优化的核主元分析的方法，并将其应用于齿轮箱的故障状态识剐中。综合考虑样本的类内散布和类间散布，建立了核函数参数优化的适应度函数，应用加速度自适应粒子群优化算法对其寻优，将优化的核主元分析方法应用于齿轮箱故障状态识别中，并与主元分析的识别结果进行比较。结果表明：基于粒子群优化的核主元分析技术，通过优化核参数减少了其设置的盲目性，可有效地识别齿轮箱的不同故障状态，且故障识别结果优于主元分析。结论是：基于粒子群优化的核主元分析对于机械故障的非线性特征提取具有优势，有利于复杂机械的故障状态识别。