基于LF-GWO优化FKCA模型的齿轮箱故障诊断研究

简介

采用莱维飞行策略对灰狼优化算法进行了优化,显著提升了算法的初期搜索性能。建立了LF-GWO算法求解FKCA模型,并给出了故障诊断步骤。通过实验验证结果表明经过800次迭代计算处理时,LF-GWO寻优形成的最小错误率2%,以LF-GWO/FKCA诊断测试集时获得了98%的正确率,只对点蚀与磨损的故障类型存在错误判断各一处情况。相比较FKCA和BP方法,采用LF-GWO/FKCA方法则可以将无标签缺齿数据归为第4类,从而实现与已知故障类型的区分,达到了更高的正确率,实际测试正确率为98%,显著提升故障诊断正确率。对齿轮箱的故障进行诊断仿真显示本文设计的诊断方法可以达到很低的错误率,表现出了优异的故障诊断性能。