e6改进及其在机械故障诊断中的应用研究
教学资源
陈长征
文章编号:1003-8728(2000d03-0392-03
改进遗传算法及其在机械故障诊断中的应用研究
陈长征徐玉秀杨璐
(沈阳工业大学沈阳110023D
要:研究改进遗传算法求解机器故障诊断的几个问题,定义遗传算法求解故障
诊断问题的概率因果网络适用于求解故障诊断的数学公式和旋转机械
故障集合(因果强度和先验概率表表示式的最小值的集合与故障征兆集合)原因相对应
果集和征兆集以某厂风机振动故障为例验证了该方法的有效性g
关键词:遗传算法; 旋转机械; 故障诊断
图分类号: TH117文献识别码: A
查词
遗传算法(GAD主要体现在与传统算法的许多不同之处
其使用的算子是随机的,例如不接受交叉~变异和繁殖等算子
但是,这种搜索也不是盲目的,而是全球性的。
最优解在前进g中直接使用最优值函数进行最优值计算
由于需要最优化函数导数,因此也可以实现不能求出导数的最优化函数
用GA进行优化表明了GA适应性强的特征——gga同时搜索
求解空间的多个点,收敛到全局最优解而不陷阱
进入局部最优解表明GA具有很强的鲁棒性g,除此之外
具有智能性和并行性,利用遗传算法的方法可以解决它们的结
构建无人能理解的复杂问题g遗传算法的本质并行性表示
两个方面:一个是遗传计算是内在并行的,即遗传算法本身
最适合大规模并行计算的二是遗传计算的内涵并行
由于性别g的遗传计算是以种群的方式组织搜索的,所以可以同时进行搜索
解开空间内的多个领域互相交换信息g使用这个搜索方
公式每次只进行与这样的组规模n成比例的计算,但本
从性质上来说已经进行了o(3)
d次高效探索使遗传计算
可以认为通过较少的计算就能获得较大利益的g是基于GA的这些特征的
适用于机器多故障的同时诊断g
1 GA的改善
前面提到的GA的一般特性是广泛范围内的应用性能
良好的GA需要对传统的GA进行一些修改,主要是动态的
自适应策略、方差和并行GA都g
一般的遗传算法多是随机选择交叉概率较大的一方
的值,然后选择变异概率较小的值。 通常交叉概率P6
0. 5*1. 0变异概率Pm的取值范围为0. 001*0. 05G
巨大的盲目性为克服这一缺陷提出了新的方法
方法的基本思想是:在种群局部最成熟时增加
这些值在种群在解空间中发散时会使两者的值g减少
这是促进算法的加速收敛和避免陷入局部极小g
为了适应性调整P6和Pm,避免GA在局部最早熟
优点在于,可以识别GA是否收敛于优化点g1
种方法是观察个体群相对于个体群最大匹配值f0的平均值
值f的收敛性个体群的f0-f减少时,个体群收敛为一个
解空间中发散的G P6和Pm的值不是按照f0-f变化,而是最优化解
变量f0-f变小时,GA收敛于局部最优解P6和Pm
的值必须增大,两者成反比g
为了避免发散和陷入局部极小需要保持种群中
的个体g这可以通过对高适应值的解来降低P6和Pm的值对
低最佳值的解提高P6和Pm的值,实现g当高最佳值的解的加速
在GA收敛的同时,低适应值的解可以防止GA陷入局部极小G Pm
的值与P6相似,不仅取决于f0-f,还取决于解的拟合值f
依赖于两个父母解的适合值G f越接近f0 Pm则越小
就像可以用f0-f代替g一样,P6将f0-f/转换为这里的f/
用于交叉的解中的最大适合值G P6和Pm可以表示如下
P6=K1(F0-F/D/) F0-FD
pm=K2(F0-FD/) F0-FDK1K2S1.0 ) 1D
对于最佳值最大的解,P6和Pm为零; 群落中的
希望向下一代传达解,认为选择机制有可能与种群相关联
解的指数增加,产生早熟g。 为了克服这个缺陷
个引入默认变异率,规定该变异率为0. 005G
几个常数的选择很重要一般的P6和Pm公式
P6=K1(F0-F/D/) F0-FDF/2F
P6=k 3 f/f
(2D
pm=k2(F0-FD/) F0-FDF2F
Pm=k 4 f f
(3D
这里的k 1 k 2 k 3 k 4S1. 0G
改善的目的是防止算法局部收敛
第十九卷第三期
2000年5月
机械科学与技术
机械和技术
VO . 19 NO. 3
我的2000
受理日期: 1999 03 29
作者简介:陈长征(1964-D男)汉族D辽宁新民县人工学博士沈阳工业大学副教授建筑工程系副主任g
在此目的9之前,使用最佳值低于平均值的解探索包含最佳解的解
要解开像区域0这样的解,必须完全打破9,所以选择4 0. 50
具有适应值f的解也需要被完全打破的9选2 0. 50基
出于同样的理由,将1 9 3的值设定为1. 09可以保证合理值为或小于
等于f的所有解接受交叉操作的9交叉概率与适应值一起趋向
如果用f0减少9,合理值等于f0,则交叉概率为0
2改进的算法性能测试
为了考察改进后的遗传算法的性能提高了多少9
利用非常复杂的Schaffer/S函数对传统遗传算法进行了改进
用遗传算法测试了0 Schaffer/S函数的公式是
f(I9y ) 0. 5 - Sin2 I2 ~ y2 - 0. 5
[10.001(I2y2) ]
((2)4) ) )。
如图1和图2所示9该函数有无数个极大点9,其中
工业和信息化教育
MzE M- c
Hz
E DZ
(1 - CzZ ) )。
C
Hz
E DZ
Pz
1 - Pz
(5) ) )。
有人使用数学分析的方法和实验的方法来解决这样的问题
问题9相当复杂9有时会陷入无可奈何的境地0换句话说9
也就是说,考虑到某个问题无法解决的0,使用9遗传算法求出
求解旋转机械故障诊断问题0
4遗传算法故障诊断实例
如上所述,9遗传算法具有实现全局优化的能力9目前
基于式(5)诊断作为遗传算法大型鼓风机故障0
要求解的概率因果模型9,首先是故障诊断问题的征兆集~
故障集和因果强度D~ M和c如表10所示
表1风扇故障集~征兆集~先验概率和因果强度表
故障集先验概率征兆集
1 2 3 4 5 6 7 8 9
1不平衡0. 30 0. 90 0. 05 0. 05
2对中0.50.40.50.10
3转子轴向碰摩0.020.10.050.050.10.30.10.10.10.10.10.10.10
4转子径向碰摩0.020.20.40.200.10.10
5轴承和密封瓦松动0. 02 0. 70 0. 20 0. 10
6推力轴承损坏0. 01 0. 90 0. 10
7轴承座松动0. 10 0. 90 0. 10
8油膜涡动0. 01 0. 10 0. 80 0. 10
9基础松动0. 01 0. 20 0. 60 0. 10 0. 10
10喘振0. 01 0. 30 0. 10 0. 60
三期陈长征等:遗传算法的改进及其在机械故障诊断中的应用研究393
表中故障集是旋转机械常见的10种故障征兆集
频谱中的9个特征频率先验概率是基于长期积累的经验
被确定的各故障的发生频率因果强度是发生某个故障时的情况
振动速度谱中几个特征带的谱峰能量归一化值o图5
产生图5所示大型鼓风机
故障时的振动速度谱
图6解决故障诊断问题
似然~进化代数曲线
某厂大型风机故障时的振动速度谱o表2
用改进的遗传算法求解某故障的诊断结果o求出图6
求解故障诊断问题的似然值随代数的变化曲线从图中可以看出
可知随着反复次数的增加,集团中的最大似然值在增加
干迭代最大似然收敛于问题的全局最优解平均似然
值多少有些变动,收敛得比最大值慢o这表示求解过程
中群体中个体的多样性保持这种多样性是进化算法的关键
按键,算法可以在解空间内全面搜索,避免早熟现象和陷阱
进入局部极小o,由表2可知故障诊断结果不平衡
实际验证基础松弛o和诊断结果正确表明使用的是遗传算法
可以解决故障排除的问题o
表2故障诊断实例诊断结果
故障征兆故障
征兆5~征兆6~征兆7~征兆9故障1~故障9
5结论
(1)在一般的遗传算法中,交叉概率总是随机选择一个
选择大的值,变异概率选择小的值。 它有一个大百叶窗
目的性o为克服这一缺陷提出了新的方法方法基础
本思想是在:个种群局部走向最成熟时使上述两者增加的结果
值; 种群在解空间中发散时减少两者的值o是指
促进算法加速收敛的二是局部极小o用的非常复杂的
多极值数学函数对传统遗传算法和改进的遗传算法进行
测试o测试结果表明,改进的遗传算法收敛速度快
且不会陷入局部极小o
)2)以某大型企业风机为例,诊断其存在的故障
诊断结果表明,该方法能诊断多种故障o
参考文献
[1]陈长征等.遗传算法及其在工程技术中的应用[J] .东北大学
学报199718(sup ) : 8~ 12
[2] yuanpengetal.aprobabilisticcausalmodelfordiagnosticproblemsolvingparti 3360 dignosticstrategy [ j ]。
IEEE trans.onsystemmanandcybernetics 198717
)3) : 395至406
[3] yuanpengetal.aconnectionistmodelfordiagnosticproblemsolving.IEEE trans [ j ].onsystemmanand
Cybernetics198919(2) : 285至298
[4]陈长征.旋转机械故障诊断方法研究[D] .中国矿业大学
博士学位论文1998
On I proving genetic algorith in
故障诊断
C~en Chang-Zhu Yu-xiu
杨路
(shenyangpolytechnicuniversityshenyang 110023 )
abstract : aimingatimprovinggeneticalgorithminfault
诊断程序设计
causalnetworkforfaultdiagnosis.wealsoderivedthe
公式错误诊断~错误~设置~
幼儿园招生
probability.theminimumvaluesetsofformula
correspondtothefaultandmanifestationsets.the
effectivenessofthismethodisprovedwithan
简单。
Key wor! s: Genetic algorithm; ' otating machinery; #ault
诊断程序
394机械科学技术第19卷
改进遗传算法及其在机械故障诊断中的应用研究
作者:陈长征、徐玉秀、杨璐、陈长政、徐玉秀、杨璐
作者单位:沈阳工业大学,沈阳,110023
刊名:机械科学与技术
英文刊名: MECHANICAL SCIENCE AND TECHNOLOGY
年,卷(期) 2000,19 )3)
被引用次数: 13次
参考文献(第4条)。
1 .陈长征旋转机械故障诊断方法研究[学位论文] 1998
2.yuanpengaconnectionistmodelfordiagnosticpro-blem solving [外文期刊]1989(02 ) )。
3.yuanpengaprobabilisticcausalmodelfordiagnos-ticproblemsolving-part: di gnostic
Strategy[外语期刊]1987(03 ) ) ) ) ) ) ) ) ) )。
4 .陈长征遗传算法及其在工程技术中的应用1997(ZK ) )。
引用文献(第13条)
1 .周仕仁.钟声.章鹏列车滚柱轴承故障诊断研究现状分析([期刊论文]-中国铁路2009(11 ) ) ) ) ) ) ) ) ) )。
2 .张建宏.施莹基于改进多代理诊断的时间调度算法研究[期刊论文]-计算机工程与设计2009(11 ) )。
3 .骆志高.李举.基于王祥遗传算法的平板裂纹识别([期刊论文]-机械设计与制造2009(4) ) ) ) ) ) ) ) )。
4 .仇学青.张鑫滚动轴承故障诊断研究的国内现状与发展方向[期刊论文]——煤矿机械2007(6)。
5 .吴定海.张培林.任国全.李兵基于遗传算法的概率因果模型在液压泵故障诊断中的应用[期刊论文]-润滑与紧密
封2006(5)
6 .潘峰.蔡维由改进遗传算法和神经网络在汽轮发电机组故障诊断中的应用([期刊论文]-华中电力2004(2) ) ) ) ) ) ) )
7 .改进张波遗传算法及其在连续催化重整优化操作中的应用[学位论文]硕士2004
8 .杨璐.陈长征.孟杨遗传算法工程应用进展[期刊论文]-沈阳工业大学学报2002(3) )。
9 .鲁刚.李伯全.周燕拖拉机变速箱齿轮故障诊断研究[ J ] -农机化研究2002(4)。
10 .张彼得.孙才新.欧健.杜林汽轮发电机振动故障诊断新方法——结合概率因果模型和遗传算法[期刊]
论文]-高电压技术2002(4) )。
11 .黎洪生.陶运锋.朱兆勋分级集成神经网络在故障诊断中的应用([期刊论文]-武汉理工大学学报2001(10 ) ) ) ) ) ) ) ) 652 )
12 .栗青.陈长征集成神经网络在旋转机械故障诊断中的应用([期刊论文]-沈阳工业大学学报2001(4) ) ) ) ) ) ) )。