基于支持向量机(SVM)算法的加工机械故障分析

• 作者: 梁毅峰
• 来源期刊: 辽东学院学报（自然科学版）
• 关键词: 支持向量机(SVM) 机器学习 最优解 非线性数据集
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 机械与电子工程
• 页码范围: 153-157
• 页数: 5页
• 分类号: TN949
• 语种: 中文
• DOI: 10.14168/j.issn.1673-4939.2021.03.01

摘要

针对工业领域中加工机械故障数据集的复杂性和海量性,对经典支持向量机(SVM)算法进行深度优化,引入规范化超平面分割数据集,并求解最优解;选择高斯径向基函数作为算法模型核函数,改善算法的泛化性能;基于样本熵排列方式提取故障信号特征,在不可分空间内也可以实现对非线性数据集的精确分割.仿真结果与实例验证表明,优化SVM算法具有更强的数据集分类性能和故障分析与检测性能,实际应用效果良好.