10.3969/j.issn.0254-3087.2015.05.028
基于FOA-MKSVM的滚动轴承故障分类方法
由于滚动轴承实际各状态数据一般具有不均衡的特点,所以分类时采用单一核函数存在一定的局限性.针对此问题以及支持向量机多参数选择的盲目性,建立一种基于果蝇优化算法的多核支持向量机模型.该模型可以通过核函数权值来调节全局核函数和局部核函数在该模型中的作用,兼具了良好的学习能力和泛化能力.同时,将多核支持向量机参数与果蝇算法中食物的味道浓度值建立一定关系,通过模仿果蝇觅食行为,对各参数进行优化选择.为了验证所提方法的有效性,先利用UCI标准数据集进行实验,再将其应用到滚动轴承故障分类中,并对单核核函数与多核核函数及参数优化算法进行比较.结果表明,提出的方法具有初始化参数少、参数设置简单、全局搜索能力强和分类准确率高的优点,可有效地应用到滚动轴承故障分类中.
支持向量机、多核核函数、果蝇优化算法、滚动轴承
36
TN911.7;TH165.3
国家自然科学基金51305109;黑龙江省青年科学基金QC2014C075;黑龙江省博士后资助经费LBH-Z13113
2015-07-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
1186-1192