基于GWO优化的CS-SVM轴承故障诊断

• 作者: 吴新忠 张旭 李博华 马小平
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 轴承故障诊断 GWO CS-SVM
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机应用
• 页码范围: 171-173
• 页数: 3页
• 分类号: TH133.33
• 字数: 2637字
• 语种: 中文
• DOI: 10.13436/j.mkjx.201905056

摘要

灰狼算法(GWO)作为新型寻优算法,可用于轴承故障诊断.提出了采用GWO优化代价敏感支持向量机(CS-SVM)的诊断模型.通过经验模态分解(EMD)及主成分分析(PCA)进行特征提取并实现特征的降维,GWO优化CS-SVM参数来提升故障分类的准确率.以西储大学轴承数据为例,将比例为4:1的训练样本和测试样本带入GWO优化的CS-SVM模型,诊断测试的准确率为96.67％,相比于传统PSO算法的准确率有所提升,收敛速度更快,表明了GWO优化的CS-SVM具有优越性.由此可以得出,GWO可用于轴承故障诊断的研究,验证了该算法模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马小平	中国矿业大学信息与控制工程学院	152	1129	17.0	27.0
2	吴新忠	中国矿业大学信息与控制工程学院	27	201	7.0	13.0
3	张旭	中国矿业大学信息与控制工程学院	32	155	6.0	11.0
4	李博华	中国矿业大学信息与控制工程学院	3	8	2.0	2.0