基于IAGA-SVM的捣固车液压系统故障诊断研究

• 作者: 任玉卿 李英 李荣远 王海瑞 齐磊
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 液压系统 故障诊断 支持向量机 改进的自适应遗传算法
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 算法
• 页码范围: 258-264
• 页数: 7页
• 分类号: TP181
• 字数: 6610字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.10.046

摘要

针对传统液压系统故障诊断方法受人为因素影响较为严重,故障成因相对复杂等问题.提出一种改进的自适应捣固车液压系统故障诊断方法.首先,从捣固车的车载数据中采集系统抽取出来的故障特征值.其次,将特征值输入支持向量机(SVM)模型中进行训练,同时对核函数和惩罚系数做出优化.最后,应用自适应支持向量机建立从特征向量到故障模式之间的映射,最终做到对液压系统的故障诊断.结果可得,此方法可以准确高效地诊断出故障类型,证明了此方法的实用价值.此外,经过与GA-SVM以及AGA-SVM的对比剖析,表明了IAGA-SVM方法在故障诊断领域中的卓越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海瑞	昆明理工大学信息工程与自动化学院	66	230	8.0	12.0
2	李英	昆明理工大学信息工程与自动化学院	9	50	4.0	7.0
3	李荣远	昆明理工大学信息工程与自动化学院	4	22	2.0	4.0
4	齐磊	昆明理工大学信息工程与自动化学院	5	20	2.0	4.0
5	任玉卿	昆明理工大学信息工程与自动化学院	4	20	2.0	4.0