DPCA与GA-SVM融合的智能台车液压系统故障诊断

简介

针对智能台车液压系统故障原因复杂多样及故障诊断效率低等问题,提出动态主成分分析(DPCA)与遗传算法改进支持向量机(GA-SVM)相结合的液压系统故障诊断方法。首先,采用AMEsim软件建立液压系统仿真模型采集故障数据并进行预处理;然后采用DPCA对故障特征向量进行降维,解除特征间的相关性和缩短训练时间;再运用遗传算法对SVM进行参数优化,将抽取出来的故障特征参数样本输入优化后的SVM中进行训练,获得分类模型,从而实现故障诊断。测试结果表明该方法的效率高于常规PCA-SVM及BP神经网络,为台车设备的维修和保养提供了指导,具有良好的应用价值和前景。