基于智能优化方法的SVM电机故障诊断模型研究

• 作者: 房才华 聂冰 赵慧敏 邓武
• 来源期刊: 大连交通大学学报
• 关键词: 支持向量机 粒子群优化算法 遗传算法 电机故障诊断
• 年，卷（期）: 2016,（1）
• 页码范围: 92-96
• 页数: 5页
• 字数: 3629字
• 语种: 中文

摘要

为提高电机故障诊断的准确率和有效性,提出了基于智能优化算法的支持向量机电机故障诊断模型.首先采集交流电机不同位置上的振动加速度信号,使用小波包分析方法对所采集的振动加速度信号进行特征提取,将得到的能量比向量作为支持向量机故障诊断模型的输入,使用遗传算法、粒子群优化算法对支持向量机故障诊断模型进行参数优化并进行模型训练,在使用测试样本集对得到的两种故障诊断模型进行分析之后可以看出经过参数优化后的支持向量机模型提高了故障预测的准确率,并且粒子群优化方法具有比遗传算法更高的预测准确率,并极大地减小了优化时间及优化次数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓武	大连交通大学软件学院	39	340	10.0	17.0
2	赵慧敏	大连交通大学软件学院	33	268	9.0	15.0
3	聂冰	大连交通大学软件学院	26	88	5.0	8.0
4	房才华	大连交通大学软件学院	2	12	1.0	2.0