铜蜗轮蜗杆故障诊断问题

       针对铜蜗轮蜗杆故障诊断问题，提出基于FSA-ACO混合改进算法的铜蜗轮蜗杆故障识别的研究方法。该方法提出了FSA-ACO混合改进策略，在谋求一个优势互补的基础上，对算法相关参数优化。同时针对该算法与铜蜗轮蜗杆故障识别结合构建算法模型问题，提出利用近部函数准则作理论桥梁策略，寻找一种新的基于FSA-ACO混合算法的铜蜗轮蜗杆故障诊断技术研究方法。以WPA40型号的铜蜗轮蜗杆为测试对象，验证了该研究方法的可行性和有效性。

       在蜗杆传动时，由于铜蜗轮蜗杆摩擦严重，发热大、产生高周疲劳，发生齿轮面点蚀、剥落、及轮齿疲劳折断等故障。可能会带来不可预知的经济损失、人身安全等灾难性后果。因此，铜蜗轮蜗杆减速器的状态监测与及时故障诊断，不仅能增加减速机的使用周期，减少其维修时间，同时还能降低维修费用和事故发生率。

       近年来，国内外学者致力于设备的状态检测与故障诊断技术的研究，将ANN(人工神经网络)等智能算法应用于铜蜗轮蜗杆的故障识别，取得较好的成果，但现阶段将鱼群及蚁群对铜蜗轮蜗杆故障识别方法研究较少。即本文对鱼群和蚁群两种算法提出混合改进策略，并利用近邻函数准则的聚类问题将该算法与铜蜗轮蜗杆故障识别有机地结合策略，寻找出一种基于改进FSA-ACO的故障优化识别处理的诊断方法。http://www.zbdongxing.com/