改进粒子群算法优化的SVM模拟电路故障诊断

• 作者: 任帅 何怡刚 刘冬梅 梅恒荣 殷礼胜 袁莉芬 赵丽欣 赵蓓蕾 陈鹏
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 支持向量机 改进粒子群算法 模拟电路 故障诊断
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1239-1246
• 页数: 8页
• 分类号: TN707|TP277
• 字数: 5212字
• 语种: 中文
• DOI: 10.13382/j.jemi.2017.08.012

摘要

针对粒子群(PSO)算法优化支持向量机(SVM)参数存在容易陷入局部最优的问题,通过引入新的动态惯性权重、全局邻域搜索、收缩因子和遗传算法中的变异操作,提出了一种基于改进粒子群(IPSO)算法优化SVM参数(IPSO-SVM)的改进型分类器.采用UCI机器学习库中的公共数据集Iris、Wine和seeds来测试其分类效果,结果表明IPSO-SVM分类器在分类准确率和分类时间上优于GS-SVM、AFSA-SVM、GA-SVM和PSO-SVM分类器.最后,将IPSO-SVM分类器应用于Sallen-Key带通滤波器、四运放双二次高通滤波器及非线性整流电路的故障诊断中,结果表明IPSO-SVM分类器具有较强的全局收敛能力和较快的收敛速度.