基于粒子群聚类分析与证据理论的船舶机械振动诊断

摘要

粒子群算法避免了复杂的遗传操作,是一种有效的全局寻优算法,用于聚类分析可以更快地收敛于最优解；D-S证据理论提出了不同于贝叶斯主义和频率主义的构造性解释,非常适用于存在大量不确定性因素的故障诊断工作.将故障机械的振动信号按时域、频域、小波包域分解为多个参数空间.采用粒子群聚类分析算法对机械故障进行局部诊断,将局部诊断结果作为独立的证据体,构造相应的基本概率分配函数.结合融合诊断模型,将基于D-S证据理论的决策融合方法应用于船舶机械的故障诊断.对比试验表明,采用粒子群聚类分析与证据理论的方法能有效识别分油机的3种故障模式,验证了其在准确率和灵敏性方面的优势.