优化支持向量机及其在智能故障诊断中的应用.PDFVIP

第 卷第 期 振动测试与诊断 年 月 优化支持向量机及其在智能故障诊断中的应用 王保建 张小丽 傅杨奥骁 陈雪峰 西安交通大学机械基础国家级实验教学示范中心 西安 长安大学道路施工技术与装备教育部重点实验室 西安 摘要 单一支持向量机在轴承齿轮故障诊断中精度较低为了提高支持向量机在轴承齿轮故障诊断中的精度对支 持向量机的样本特征提取方法以及支持向量机参数优化的方法进行了研究首先通过核主成分分析方法构造支持 向量机的输入样本可以减少数据间的冗余提取数据的高维信息其次通过粒子群优化算法优化支持向量机核函 数参数和惩罚因子最后使用优化后的支持向量机模型进行故障诊断通过实际轴承齿轮故障诊断对比实验结果 表明所提方法相比一般的支持向量机诊断方法诊断精度大幅提高验证了该混合智能诊断方法的有效性和优势 关键词 支持向量机核主成分粒子群优化算法故障诊断 中图分类号 因此笔者对支持向量机的样本特征提取方法以及 引 言 支持向量机参数优化的方法进行了研究 随着中国制造 的提出自动化智能化成 基本理论介绍 为我国制造业的发展方向故障诊断技术已经发展 到了智能故障诊断阶段其中支持向量机 是一种针对小样本和少样本情况下的机 简称 作为智能故障诊断技术 器学习的新方法支持向量机不同于传统的基于经 领域的热点之一以其基于统计学习理论的特点非 验风险最小化原则的学习方法它是基于结构风险 常适合故障诊断这种典型的小样本问题 目前支 最小化的原则在解决小样本非线性及高维问题时