改进的阴性选择算法在机械故障诊断中的应用

摘要

针对复杂大型设备故障诊断准确率低的问题,提出一种改进阴性选择算法的故障诊断方法。在改进可变半径实值阴性选择算法(V-detector)中,训练开始阶段通过蒙特卡罗算法寻找半径尽可能大的检测器,然后引入覆盖阈值,通过阈值判定减少了无效检测器的产生,提高了算法的检测率。由于V-detector算法只能识别自我和非我,建立了免疫聚类的故障诊断模型,并将改进V-detector免疫聚类故障诊断模型应用于齿轮故障诊断中。实验结果表明:改进的V-detector算法可以有效的避免了检测器重复覆盖造成检测器数目的增加,提高了非自体区域的覆盖率,比未改进的V-detector的免疫聚类诊断方法有较高的准确率。