基于改进FOA优化的CS-SVM轴承故障诊断研究

摘要：

针对故障诊断中的小样本及样本类不平衡问题.建立基于代价敏感支持向量机(CS-SVM)的故障诊断模型,提出采用改进FOA算法(IFOA)对规则化常数C+,C-和核函数参数g进行优化选取,通过增大对故障类样本错分的惩罚代价,提升对故障类的诊断正确率;以IMS航空轴承试验数据为对象,结合随机共振、KPCA特征提取方法对所提IF-OA优化的CS-SVM模型进行了验证.结果表明,该方法能有效处理误分类代价不同的轴承故障诊断问题,提高了故障类样本的诊断正确率,可拓展应用至其它故障诊断领域.

关键词：轴承故障诊断、改进果蝇优化算法(IFOA)、代价敏感支持向量机(S-SVM)

所属期刊栏目：37

分类号：V232.2(航空发动机（推进系统）)

资助基金：国家自然科学基金51506221,51606219;陕西省自然科学基础研究计划2015JQ5179

在线出版日期：2018-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：108-114