基于支持向量机的机载吊舱故障诊断优化算法

• 作者: 刘治超 姬传庆 李侍林 潘继文 黄毅
• 来源期刊: 计算机测量与控制
• 关键词: 吊舱 粒子群 支持向量机 故障诊断
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 71-75
• 页数: 5页
• 分类号: V416|TP274
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.01.018

摘要

提升机载吊舱的后勤保障能力,适应吊舱测试中多型号、多故障类型和测试环境动态变化的测试要求,是打赢现代化战争的重要保障;支持向量机(SVM)算法适用于小样本、高维度、非线性分类问题,SVM相关参数是影响算法性能的重要因素;基于K-CV算法和粒子群算法两种改进的SVM模型可以实现SVM参数优化,K-CV算法可以交叉验证优化模型参数,粒子群算法可以对SVM参数进行动态寻优,建立多核SVM吊舱故障诊断模型;两种算法都可以提高吊舱故障诊断模型的准确率,提高模型的学习能力和泛化能力,有效对吊舱的故障进行定量和定位诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬传庆		3	4	1.0	1.0
2	黄毅		3	4	1.0	1.0
3	潘继文		3	4	1.0	1.0
4	李侍林		4	4	2.0	2.0
5	刘治超		1	2	1.0	1.0