基于改进粒子群优化SVM的通风机故障诊断.pdfVIP

第36卷第 02期 煤 矿 机 械 VoI．36No．02 2015年 02月 CoalMineMachinery Feb．2O15 doi：10．13436~．mkjx．201502118 基于改进粒子群优化 SVM的通风机故障诊断术 卢向华 ，李雅萍 (洛阳理工学院，河南 洛阳471023) 摘 要：针对支持向量机在故障诊断中参数的选取问题，提 出一种改进的粒子群优化算法．对 支持 向量机的惩罚因子与核参数进行优化 为 了克服传统粒子群算法前期收敛快、后期 易陷入局 部最优 的缺陷．提 出一种惯性权重 自适应调整的粒子群优化算法 ，建立基于粒子群和支持 向量的 通风机故障诊断模型 ．通过样本数据对模型进行训练与测试 ，实现 了通风机故障的识别．结果表 明 该模型对通风机故障的诊断是可靠的 关键词：故障诊断；支持 向量机 ；粒子群优化；通风机 中图分类号 ：TD441 文献标志码 ：A 文章编号 ：1003—0794(2015)02—0278—04 FaultDiagnosisofVentilatorBasedonSVM OptimizedbyImprovedPSO LU Xiang-hua，LIYa-ping (LuoyangInstituteofS~ienceandTechnology，Luoyang471023，China) Abstract：Aimedattheproblemofparametersselectionofsupponvectormachine(SVM)infaultdiagnosis， putforwardanimprovedparticleswannoptimization(PSO)algorithmtooptimizethepenaltyfactorof SVM andthekernelparameter．A particleswarm optimizationalgorithm withadaptiveinertiaweight adjustmentwasproposedinordertoovercomethedefectsofconvergesfastinearlystageandeasyto fallintolocaloptimum inlaterstagefortraditionalparticleswarlnalgorithm．Thefaultdiagnosismodel ofmineventilatorwasestablishedbasedonparticleswarmandsupportvectormachine．Aftertraining andtestingthroughthesampledatathemodelcan identifythefaultofmineventilatoraccurately，the resultsshowthatthemodelofventilatorfaultdiagnosisisreliable． Keywords：faultdiagnosis；SVM；PSO；ventilator O 引言 造 (广义)最优超平面 ，实现数据在高维空间中的线 SVM在机械故障诊断中取得 了初步的应用研 性可分 究成果 ．但是也存在一个突出问题 ：算法 中的一些 设输入的模式集合㈨ ∈Ra由2类点组成 ，如果 关键参数 ．如惩罚系数和核函数参数等会影响支持 兢属于第 1类 ，则yi=1，如果魁属于第 2类 ，则 yi=一1。 向量机的分类性能 换言之 ．SVM 的性能相当程度 若训练样本集为 ，yi}，i=1，2，… ，Z，瓤∈ ，Y∈(十1}， 上取决于惩罚系数 、核 函数参数等模型参数。本文