10.3969/j.issn.2095-4565.2023.05.002
基于RFECV-RF特征选择的W-SVM齿轮故障诊断与优化
为了实现对齿轮故障类型的准确诊断,提出了一种基于RFECV-RF特征选择的W-SVM故障诊断分类算法.为避免特征冗余带来的偏差,采用RFECV-RF算法对特征变量进行重要度评估,与多个特征选择方法进行了对比.基于数据所具有的不均衡性,对SVM分类开展算法优化,引入了加权支持向量机(W-SVM),使用网格搜索进行超参数优化,将改进的特征提取与W-SVM进行融合优化.实验表明,与传统的SVM分类器相比,所提出的优化算法的识别准确率自提升达到6.4%,改进效果显著.
故障诊断、W-SVM、特征选择、算法优化
39
TP277(自动化技术及设备)
安徽高校自然科学研究项目;安徽省教育科学研究项目;安徽省省级质量工程创新训练项目;合肥学院研究生创新创业项目;合肥学院研究生创新创业项目
2023-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
5-10