和声搜索算法优化支持向量机的柴油机故障诊断研究?

• 作者: 姚竹亭 沈绍辉
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 和声搜索算法 支持向量机 参数优化 柴油机故障诊断
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 控制与检测
• 页码范围: 66-70
• 页数: 5页
• 分类号: TH122|TG506
• 字数: 3879字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2015.09.019

摘要

针对在柴油机故障诊断中支持向量机核函数参数和惩罚因子的不同取值会影响到分类正确率的问题，提出利用和声搜索算法对支持向量机相关参数进行选择优化( HS-SVM )的方法。在该方法中将参数作为和声存于记忆库中，而将支持向量机分类正确率作为目标函数，则整个寻优过程即是寻找使函数值最大的和声所对应的解。通过对UCI中的2个数据集进行分类正确率测试，并与未优化的支持向量机和人工蜂群算法优化的支持向量机( ABC-SVM )测试结果对比，证明了该方法的优越性。最后，将该方法用于柴油机故障诊断，并将分类正确率与未优化SVM和ABC-SVM分类结果进行比较，进一步说明和声搜索算法优化的支持向量机( HS-SVM)既能获得较高的分类结果正确率，又能有效降低运行时间，即说明该方法具有一定的实用性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚竹亭	中北大学机械与动力工程学院	88	363	9.0	15.0
2	沈绍辉	中北大学机械与动力工程学院	9	9	2.0	3.0