ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

多目标粒子群优化的支持向量机及其在齿轮故障诊断中的应用

王维刚; 刘占生大庆石油学院
振动工程学报2013-10-15
5阅读
引用收藏
分享

摘要

支持向量机是基于结构风险最小化原则的分类方法,其模型的分类准确度及泛化能力取决于惩罚系数、核函数及核参数的选取。参数的选择通常采用经验法、试凑法或单目标优化法,上述方法费时费力且不能达到全局最优。文中选取错误分类率及支持向量占有率两个目标函数,采用多目标粒子群算法优化惩罚系数及核函数参数。训练阶段采用多目标粒子群算法产生多个优化解,测试阶段评估这些解的优劣。通过齿轮故障分类实例进行了设计方法的验证,首先对振动信号进行预处理,然后以小波包系数标准差并降维处理后作为分类器的输入特征向量,最后用本文方法区分4种典型故障,试验结果表明了设计方法的有效性,并证明了应用混合核函数的支持向量机分类具备较高的准确率及较强的泛化性能。

学科与关键词

关键词
故障诊断齿轮多目标粒子群优化支持向量机 fault diagnosisgearmulti-objective particle swarm optimizationsupport vector machine
相关
加载中…
  • 支持向量机及其在机械故障诊断中的应用
    何学文赵海鸣中南大学学报(自然科学版), 2005, (01): 97-101.
  • 改进粒子群算法优化SVM的故障诊断方法研究
    苗玉机械工程与自动化, 2019, (06): 14-15+18.
  • 基于坝体沉降监测的ν-SVR参数优化方法研究
    丛康林; 岳建平; 席广永测绘通报, 2013, (11): 40-43.
查看全部 →

发表信息

论文状态
公开发表
期刊
振动工程学报
发表日期
2013-10-15
卷期
第 05 期
页码
743-750
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金资助项目(50875056);黑龙江省教育厅科学技术研究项目(12521058)

作者

  • 王

    王维刚 (第一作者)

  • 刘

    刘占生

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417