基于PSO-SVM的发动机故障诊断研究

• 作者: 冯辉宗 彭丹 袁荣棣
• 来源期刊: 计算机测量与控制
• 关键词: 粒子群优化算法 支持向量机 发动机 故障诊断
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 355-357,360
• 页数: 4页
• 分类号: TP181|U464
• 语种: 中文

摘要

针对发动机的故障分类问题,提出了一种基于粒子群(PSO)优化支持向量机(SVM)的发动机故障诊断方法,采用粒子群算法优化支持向量机的惩罚系数C和核宽度系数σ,并在MATLAB环境下对发动机进行故障类别诊断,通过对发动机典型故障的诊断研究表明,采用PSO-SVM算法模型的故障诊断的精确度和效率都得到了提高,该方法与BP神经网络、PSO-BP、标准SVM相比,有较高的分类准确率,准确率可高达100％;与GA-SVM方法相比,诊断效率有所提高,从而验证了该方法在发动机故障诊断中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯辉宗	重庆邮电大学汽车电子与嵌入式研究中心	62	445	13.0	17.0
2	袁荣棣	重庆邮电大学汽车电子与嵌入式研究中心	8	63	4.0	7.0
3	彭丹	重庆邮电大学汽车电子与嵌入式研究中心	1	27	1.0	1.0