基于粒子群算法和支持向量机的故障诊断研究

• 作者: 张晓斌 张树团 邸亚洲 雷涛
• 来源期刊: 计算机测量与控制
• 关键词: 最小二乘支持向量机 粒子群算法 故障诊断 全局最优
• 年，卷（期）: 2008,（11）
• 所属期刊栏目: 自动化测试
• 页码范围: 1573-1574,1581
• 页数: 3页
• 分类号: TP277
• 语种: 中文

摘要

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中;支持向量机中核函数的参数选择非常重要,它决定着故障诊断的精确度;为了提高电气设备故障诊断的精度和效率,将粒子群优化算法和最小二乘支持向量机相结合,提出了一种基于粒子群支持向量机的故障诊断方法,能够实现对核函数的σ参数进行快速动态选取,提高故障诊断的准确率和效率;实验表明,该方法能够有效地找出合适的核参数,并能取得较好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷涛	西北工业大学自动化学院	59	482	12.0	18.0
2	张晓斌	西北工业大学自动化学院	127	876	15.0	22.0
3	邸亚洲	西北工业大学自动化学院	4	61	2.0	4.0
4	张树团	西北工业大学自动化学院	2	49	2.0	2.0