遺傳優化支持向量機在失火故障診斷中的應用
2012-04-29 00:44:03盧迪竇文娟
哈爾濱理工大學學報 2012年1期
關鍵詞：故障診斷
盧迪 竇文娟
摘要：故障樣本的缺乏嚴重制約智能故障診斷的發展，支持向量機算法的提出有效地解決了小樣本學習問題，然而支持向量機算法中兩個參數懲罰因子C和核參數y對故障樣本的準確識別起著決定性作用，針對參數較難選擇問題，采用遺傳算法對支持向量機中的兩個參數進行全局尋優，把汽車在典型故障下尾氣中各氣體的體積分數作為訓練樣本，樣本經過主成份分析實現降維和去相關，用處理過的樣本和最優參數建立基于支持向量機的多元分類器模型，進行故障類別診斷，使用LIBSVM工具箱進行仿真，結果表明經遺傳算法優化后的支持向量機對于小樣本故障診斷有很高的準確率。
關鍵詞：故障診斷；支持向量機(SVM)；遺傳算法(GA)；主成份分析；小樣本
中圖分類號：TB533
文獻標志碼：A
文章編號：1007—2683(2012)01—0035—04
猜你喜歡
一重技術(2021年5期)2022-01-18 05:42:10
水泵技術(2021年3期)2021-08-14 02:09:20
裝備制造技術(2020年3期)2020-12-25 05:22:30
制造技術與機床(2018年11期)2018-11-23 01:07:42
電子制作(2018年10期)2018-08-04 03:24:46
制造技術與機床(2017年10期)2017-11-28 05:20:43
重慶工商大學學報(自然科學版)(2015年10期)2015-12-28 07:43:58
振動工程學報(2014年2期)2014-03-01 01:15:22
振動、測試與診斷(2014年5期)2014-03-01 01:14:21
振動、測試與診斷(2014年4期)2014-03-01 01:14:00
