基于改进粒子群优化的SVM故障诊断方法

• 作者: 何光宇 杨柳松
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 支持向量机 故障诊断 粒子群优化 遗传免疫 轴承 交叉验证
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 187-190,196
• 页数: 5页
• 分类号: TP391
• 字数: 5237字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.03.037

摘要

针对支持向量机(SVM)分类模型参数选取困难的问题,提出基于遗传免疫的改进粒子群优化算法,克服传统粒子群算法前期收敛快、后期易陷入局部最优的缺陷.将该算法与优化支持向量机分类模型相结合,建立基于遗传免疫粒子群和支持向量机的诊断模型,并用于轴承故障诊断中.结果表明,基于遗传免疫粒子群算法优化的SVM可实现对SVM分类模型参数的自动优化,并能提高SVM分类模型的故障诊断精度,对分散程度较大、聚类性较差的故障样本分类有较强的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨柳松	东北林业大学机电工程学院	13	48	3.0	6.0
2	何光宇	空军工程大学工程学院	12	122	6.0	11.0