基于PSO-SVM的电机故障检测

• 作者: 李圣普 王小辉
• 来源期刊: 计算机系统应用
• 关键词: 支持向量机 改进粒子群 参数优化 矿用电机故障检测 Matlab实验
• 年，卷（期）: 2016,（3）
• 页码范围: 136-141
• 页数: 6页
• 字数: 5110字
• 语种: 中文

摘要

传统智能故障检测模型中算法初始参数复杂,选取难度较大,缺乏自学习、自组织能力、泛化能力弱,极易陷入局部极小值、算法单一等缺点.组合应用智能检测算法可整合不同算法优势,避免单一算法缺点,为此,文中提出支持向量机算法与改进粒子群算法相结合的电机故障检测模型:以电机故障特征频率特征数据为基础,首先使用改进全局求解性能的粒子群算法求解影响支持向量机分类检测性能的最佳参数,然后把最佳参数应用于的擅长模式识别的支持向量机算法,进行样本数据的训练,构建故障检测模型;最后,使用故障检测模型对电机的状态进行预测.实验结果表明,采用该方法进行故障检测的准确率,比传统的神经网络方法提高17%,比纯支持向量机算法提高3.33%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小辉	平顶山学院计算机科学与技术学院	57	93	4.0	6.0
2	李圣普	平顶山学院计算机科学与技术学院	53	125	5.0	9.0