基于属性约简与参数优化的SVM故障诊断研究

• 作者: 李莎 陶红 高尚
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 支持向量机 关联分析 最大最小距离 粒子群 故障诊断
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 应用开发研究
• 页码范围: 175-178
• 分类号: TP39
• 字数: 2780字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2012.04.046

摘要

应用数据挖掘的方法从实时数据库中提取相应的故障诊断知识是一种有效途径,也是很有现实意义和研究价值的问题.为提高汽轮机组故障诊断的效率,并考虑其计算成本和复杂性,把关联分析作为数据的前处理器,通过计算属性间的相关系数,结合最大最小聚类方法,删除冗余属性.然后采用支持向量机进行故障诊断,构造SVM多分类器,采用粒子群优化算法对参数寻优并训练样本.并与BP神经网络和线性判别分析做比较,实验表明此故障诊断方法诊断速度快、准确率高,可以很好地应用于设备故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高尚	江苏科技大学计算机科学与工程学院	159	1624	18.0	34.0
2	陶红	江苏科技大学计算机科学与工程学院	5	55	4.0	5.0
3	李莎	江苏科技大学计算机科学与工程学院	3	6	2.0	2.0