PSO-SVM及其在减速机齿轮诊断中的应用

• 作者: 孔明 西热娜依·白克力 赵军 郭天太 韩霞
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 粒子群优化算法 支持向量机 齿轮诊断
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 应用技术
• 页码范围: 155-157,160
• 页数: 4页
• 分类号: TU311.3|TU352.1
• 字数: 3018字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2018)04-0155-03

摘要

针对支持向量机(SVM)参数一般是人为选取,无法准确取到最佳值的问题,提出了一种基于粒子群算法(PSO)对参数进行优化的支持向量机(PSO-SVM).以减速机齿轮的3类故障类型(正常、磕碰、磨损)数据作为研究资料,组成训练样本集,训练PSO-SVM分类模型,从训练集中抽取部分数据组成测试样本集,对模型进行检验测试.研究表明:PSO-SVM模型分类正确率达到了93.8%,相较未进行参数优化的SVM,算法能更好地找到全局最优解,提高了模型的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭天太	中国计量大学计量测试工程学院	89	233	9.0	11.0
2	孔明	中国计量大学计量测试工程学院	94	214	7.0	10.0
3	赵军	中国计量大学计量测试工程学院	87	315	10.0	14.0
4	西热娜依·白克力		2	13	2.0	2.0
5	韩霞	中国计量大学计量测试工程学院	1	3	1.0	1.0