遗传算法优化最小二乘支持向量机的故障诊断
提出一种基于遗传算法分层优化多类最小二乘支持向量机(least squares support veotor machine,LS-SVM)的故障诊断模型.首先将故障信号经验模态分解(empirical mode decomposition,EMD) 为平稳本征模态(intrinsic mode function,IMF)分量,再选择表征故障调制特征的IMF 分量并提取瞬时幅值能量作为故障特征输入到遗传算法分层优化好的采用多项式核的多类LS-SVM 中进行故障识别.EMD分解可自适应分离故障调制信号;瞬时幅值能量矢量的不同表征各类故障的可分性;遗传算法分层优化惩罚因子和多项式核参数可以使LS-SVM摆脱对故障类型与模式编号映射关系先验知识的依赖,提高LS-SVM的故障预测精度和自适应诊断能力,并可以推广应用于线性、径向基、Sigmoid等核条件下的LS-SVM优化.一个深沟球轴承故障诊断实例说明该模型的有效性.
瞬时幅值能量、最小二乘支持向量机、遗传算法、多项式核函数、故障诊断
33
TH165.3
国家高技术研究发展计划863计划项目2009AA04Z411;国家自然科学基金50875272;高等学校博士学科点专项科研基金20090191110005;重庆大学"211工程"三期建设研究生开放实验室项目S-0916
2011-04-11(万方平台首次上网日期,不代表论文的发表时间)
14-20