PSO-SVM及其在减速机齿轮诊断中的应用

摘要：

针对支持向量机(SVM)参数一般是人为选取,无法准确取到最佳值的问题,提出了一种基于粒子群算法(PSO)对参数进行优化的支持向量机(PSO-SVM).以减速机齿轮的3类故障类型(正常、磕碰、磨损)数据作为研究资料,组成训练样本集,训练PSO-SVM分类模型,从训练集中抽取部分数据组成测试样本集,对模型进行检验测试.研究表明:PSO-SVM模型分类正确率达到了93.8%,相较未进行参数优化的SVM,算法能更好地找到全局最优解,提高了模型的分类正确率.

关键词：粒子群优化算法、支持向量机、齿轮诊断

所属期刊栏目：37

分类号：TU311.3;TU352.1(建筑结构)

资助基金：国家自然科学基金资助项目51375467;质检公益性行业科研专项项目201410009

在线出版日期：2018-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：155-157,160