基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文提出了基于果蝇算法优化支持向量机的分类方法.该方法利用风机振动频域的特征向量作为学习样本,然后运用改进的支持向量机模型对风机振动信号的故障特征进行模式识别.同时还运用了蚁群和粒子群两种智能算法,对向量机进行了优化,仿真结果表明,基于果蝇优化的最小二乘支持向量机方法具有识别率高,诊断速度快的优点,该方法是可行有效的.
推荐文章
基于粒子群算法优化支持向量机汽车故障诊断研究
粒子群算法
支持向量机
汽车故障诊断
遗传聚类
基于DGA支持向量机的变压器故障诊断
DGA
支持向量机
变压器
故障诊断
参数优化
SVM模型
基于粒子群优化支持向量机的电梯故障诊断
电梯
故障诊断
最优小波包
粒子群算法
支持向量机
基于支持向量机的抽油机故障诊断研究
故障诊断
支持向量机
机器学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于果蝇优化支持向量机的风机故障诊断研究
来源期刊 风机技术 学科 交通运输
关键词 离心式风机 故障诊断 最小二乘支持向量机 果蝇算法
年,卷(期) 2014,(6) 所属期刊栏目 设计与优化
研究方向 页码范围 50-55
页数 6页 分类号 U226.8+1|TK05
字数 4557字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 洪文鹏 东北电力大学能源与动力工程学院 77 522 13.0 18.0
2 廖明俊 东北电力大学能源与动力工程学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (61)
共引文献  (34)
参考文献  (11)
节点文献
引证文献  (5)
同被引文献  (21)
二级引证文献  (9)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(5)
  • 参考文献(1)
  • 二级参考文献(4)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(8)
  • 参考文献(2)
  • 二级参考文献(6)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(8)
  • 参考文献(1)
  • 二级参考文献(7)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(6)
  • 参考文献(5)
  • 二级参考文献(1)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
离心式风机
故障诊断
最小二乘支持向量机
果蝇算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
风机技术
双月刊
1006-8155
21-1167/TH
大16开
沈阳市经济技术开发区开发大路16号甲
8-71
1959
chi
出版文献量(篇)
2551
总下载数(次)
8
论文1v1指导