改进PSO_BP_Adaboost算法在尺寸超差故障诊断中的应用

摘要/Abstract

摘要： 利用改进的粒子群优化算法优化BP神经网络，组合多个优化BP网络构成Adaboost强分类器，采用“一对一”分类思想建立了改进PSO_BP_Adaboost多分类器算法，并在部分UCI数据集上进行了有效性验证。实例中，将某零件上相同尺寸、不同位置的4个孔的直径作为BP网络的输入值，利用真实数据进行验证，该算法的分类正确率达到98%，表明提出的改进多分类器算法可有效用于尺寸超差故障诊断。

关键词: 故障诊断, 粒子群优化, 神经网络, Adaboost算法

Abstract: An improved PSO algorithm was used to optimize a BP neural network，and a number of BP networks can form a kind of Adaboost strong classifier.Therefore，an improved PSO_BP_Adaboost multi-classifier algorithm was established with the idea of “one-to-one”，and the validity was proved by some of UCI dataset.The same diameters of 4 holes in different positions on one workpiece were chosen as the input values of the BP network.It was verified by real data that the correct rate of the algorithm reaches 98%.The results show that this improved PSO_BP_Adaboost algorithm may be used effectively for dimension fault diagnosis of out-of-tolerance.

Key words: fault diagnosis, particle swarm optimization（PSO）, neural network, Adaboost algorithm

中图分类号:

姜春英;康玉祥;叶长龙;于苏洋. 改进PSO_BP_Adaboost算法在尺寸超差故障诊断中的应用[J]. 中国机械工程.

JIANG Chunying;KANG Yuxiang;YE Changlong;YU Suyang. Applications of Improved PSO_BP_Adaboost Algorithm in Fault Diagnosis of Dimension Out-of-tolerance[J]. China Mechanical Engineering.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/

https://www.cmemo.org.cn/CN/Y2018/V29/I20/2490

参考文献

[1]LEE J M, KIM S J, HWANG Y H，et al.Diagnosis of Mechanical Fault Signals Using Continuous Hidden Markov Model [J].Journal of Sound and Vibration，2004，276（3/5）：1065-1080.
[2]WIDODO A, YANG Bo-Suk.Support Vector Machine in Machine Condition Monitoring and Fault Diagnosis[J].Mechanical Systems and Signal Processing，2007，21（6）：2560-2574.
[3]SAMANTA B.Gear Fault Detection Using Artificial Neural Networks and Support Vector Machines with Genetic Algorithms [J].Mechanical Systems and Signal Processing，2004，18（3）： 625-644.
[4]YU Yang，YU Dejie，CHENG Junsheng.A Roller Bearing Fault Diagnosis Method Based on EMD Energy Entropy and ANN[J].Journal of Sound and Vibration，2006，294（1/2）：269-277.
[5]PAYAA B A, ESATA I I, BADIB M N M.Artificial Neural Network Based Fault Diagnostics of Rotating Machinery Using Wavelet Transforms as a Preprocessor[J].Mechanical Systems and Signal Processing，1997，11（5）：751-765.
[6]鲍久圣，阴妍.BP神经网络在机械故障诊断中的应用[J].现代制造工程，2005（1）：113-114.
BAO Jiusheng，YIN Yan.Application of BP Neural Network in Mechanical Fault Diagnosis[J].Modern Manufacturing Engineering，2005（1）： 113-114.
[7]吴志攀，赵跃龙，罗中良，等.基于PSO-BP神经网络的车牌号码识别技术[J].中山大学学报（自然科学版），2017，56（1）：46-52.
WU Zhipan，ZHAO Yuelong，LUO Zhongliang，et al.License Plate Recognition Technology Based on PSO-BP Neural Network[J].Acta Scientiarum Naturalium Universitatis Sunyatseni，2017，56（1）： 46-52.
[8]WU Dongmei，GAO Hao.A BP and Switching PSO Based Optimization Approach for Engine Optimization[J].National Academy Science Letters，2017，40（1）：33-37.
[9]马廉洁，陈杰，巩亚东，等.基于PSO算法改进BP神经网络的氟金云母点磨削工艺参数优化[J].中国机械工程，2016，27（6）：761-766.
MA-Lianjie，CHEN Jie，GONG Yadong，et al.Process Parameter- Optimization Based- on- PSO-BP Neural Network in Point Grinding Fluorophlogopite[J].China Mechanical Engineering，2016，27（6）： 761-766.
[10]LIU Chaojie，DING Wenfeng，LI Zheng，et al.Prediction of High-speed Grinding Temperature of Titanium Matrix Composites Using BP Neural Network Based on PSO Algorithm[J].The International Journal of Advanced Manufacturing Technology，2017，89（5/8）：2277-2285.
[11]李建平，宫耀华，赵思远，等.粒子群优化算法的改进及数值仿真[J].吉林大学学报（理学版），2017，55（2）：322-332.
LI Jianping，GONG Yaohua，ZHAO Siyuan，et al.Improvement of Particle Swarm Optimization Algorithm and Numerical Simulation[J].Journal of Jilin University （Science Edition），2017，55 （2）： 322-332.
[12]朱成实，勾延生，李铁军，等.基于改进PSO算法的数控机床主轴优化设计[J].中国机械工程，2015，26（20）： 2784-2788.
ZHU Chengshi，GOU Yansheng，LI Tiejun，et al.Optimization Design of CNC Machine Tool Spindle Based on Improved PSO Algorithm[J].China Mechanical Engineering，2015，26（20）：2784-2788.
[13]曹莹，苗启广，刘家辰，等.AdaBoost算法研究进展与展望[J].自动化学报，2013，39（6）： 745-758.
CAO Ying，MIAO Qiguang，LIU Jiachen，et al.Research Progress and Prospect of AdaBoost Algorithm[J].Acta Automatica Sinica，2013，39（6）：745-758.
[14]刘庆华，丁文涛，涂娟娟，等.优化BP_AdaBoost算法及其交通事件检测[J].同济大学学报（自然科学版），2015，43（12）： 1829-1833.
LIU Qinghua，DING Wentao,Tu Juanjuan，et al.BP_AdaBoost Optimization Algorithm and Its Traffic Incident Detection[J].Journal of Tongji University（Natural Science），2015，43 （12）： 1829-1833.
[15]FREUND Y，SCHAPIRE R E.A Decision-theoretic Generation of On-line Learning and an Application to Boosting[J].Journal of Computer and System Sciences，1997，55（1）：119-139.
[16]ZHU J，ZOU H，ROSSET S，et al.Multi-class AdaBoost[J].Statistics and Its Interfance，2009，2（3）：349-360.
[17]BLAKE C.UCI Repository of Machine Learning Data Bases[DB/OL].（1998）[2018-08-21]ftp：//ftp.ics.uci.edu/pub/machine-learning-databases.