ABC算法优化SVR的磨损故障预测模型

摘要：

目的 为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR).方法 该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型.最后通过实例仿真验证模型的优越性.结果 采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现.结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度.

关键词：磨损故障、人工蜂群优化算法、支持向量回归、预测模型

所属期刊栏目：14

分类号：TJ01(一般性问题)

在线出版日期：2018-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：98-102