基于PSO算法的模糊PSVM及其在旋转机械故障诊断中的应用
研究了粒子群优化改的进的模糊线性PSVM在旋转机械故障诊断的应用.常规的PSVM对噪声或野值敏感,模糊PSVM可以很好的解决这种问题;对于非平衡样本,PSVM分类面会偏重于数据点较多的一类,从而降低正确分类性能,通过为不同样本分别设计不同的惩罚因子,提高分类器性能;模糊线性PSVM分类器的惩罚因子采用经典粒子群优化算法进行优化,避免传统方法对初始点和样本的依赖.通过旋转机械故障分类应用实例进行了设计方法的验证,首先对振动信号进行滤波,然后以不同频率频谱的谱峰能量作为模糊线型PSVM分类器的输入特征参数,用于区分旋转机械的5种典型故障,试验结果表明了方法的有效性.
PSVM、模糊隶属度函数、粒子群优化、故障诊断
TP277(自动化技术及设备)
国家杰出青年科学基金项目50425516;国家自然科学基金重点项目10732060;国家"863"高技术研究发展计划项目2006AA04Z438
2010-01-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
183-186,198