TY - Jour A2 - Mrugalski，Marcin Au - Fu，文龙奥 - 谭，嘉文奥 - 张，孝感奥志，a a王，凯Py - 2019DA - 2019年 - 2019/04/17三盲参数鉴定MAR模型和突变杂交GWO-SCA优化SVM用于旋转机械的故障诊断SP - 3264969 VL - 2019 AB - 作为具有良好复杂性的工业领域的至关重要，广泛使用的部件，旋转机械的健康状况与生产效率直接相关安全。因此，识别和诊断旋转机器断层仍然是防止机械系统故障的主要问题之一，这可以提高机械系统的可靠性和效率。本文提出了一种基于MS模型和突变混合GWO-SCA优化的基于盲参数识别的新方法，以诊断旋转机械的故障。从不同类型的故障收集的信号首先通过变分模式分解（VMD），分解模式编号分解成内在模式功能（IMF）组。 K.其中有中央频率观察方法预设。然后建立了所有IMF的多变量自回归（MAR）模型，其顺序由Schwartz Bayes标准（SBC）确定，并且模型的所有参数通过QR分解盲目地识别，其中通过主成分分析随后提取了关键特征（PCA）构建不同故障类型的特征向量。之后，提出了一种结合突变算子，灰狼优化器（GWO）和正弦余弦算法（SCA）称为突变混合GWO-SCA（MHGWOSCA）的混合优化算法，用于参数选择支持向量机（SVM）。稍后使用最佳SVM模型来分类不同的故障样本。工程应用和对比分析表明了所提出的方法的可用性和优越性。SN - 1076-2787 UR - https://doi.org/10.1155/2019/3264969 Do - 10.1155 / 2019/3264969 JF - 复杂性PB - Hindawi Kw - ER -