基于改进ABC算法优化的LSSVM多分类器组机械故障诊断模型

• 作者: 张淑清 李鑫滨 陈云强
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 时频域特征 改进人工蜂群算法 LSSVM多分类器组 评估矩阵
• 年，卷（期）: 2013,（16）
• 所属期刊栏目: 机械科学
• 页码范围: 2157-2164
• 页数: 8页
• 分类号: TP274|TH133
• 字数: 5318字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2013.16.006

摘要

为了提高复杂机械故障诊断的确诊率,提出了一种基于改进人工蜂群算法(improved artificial bee colony,IABC)优化LSSVM多分类器组的故障诊断模型.该模型利用多特征提取方法,获取了较为完备的时频域特征信息,同时选择具有较强搜索能力和快速收敛性的IABC算法优化了LSSVM分类器的参数,提高了分类效率,在诊断决策层,利用评估矩阵进行了多分类器诊断结果的融合决策.通过与传统方法的对比表明:该诊断模型不仅能获取完备的故障特征信息,而且能更快地获取LSSVM最优分类参数;同时,基于评估矩阵的融合决策能够充分考虑各子分类器的性能差异,保证了诊断决策的高效精确.多种数据仿真表明,该诊断模型适用于机械故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张淑清	燕山大学工业计算机控制工程河北省重点实验室	81	1525	21.0	36.0
2	李鑫滨	燕山大学工业计算机控制工程河北省重点实验室	28	347	9.0	18.0
3	陈云强	燕山大学工业计算机控制工程河北省重点实验室	2	13	1.0	2.0