本文主要研究内容
作者吕明珠,苏晓明,陈长征,刘世勋（2019）在《改进粒子群算法优化的支持向量机在滚动轴承故障诊断中的应用》一文中研究指出：针对惩罚因子C和核参数g选择不当造成支持向量机(SVM)分类效果不理想的问题,在基本粒子群(PSO)算法基础上引入动态惯性权重、全局邻域搜索、种群收缩因子、粒子变异概率等操作,提出了一种新的改进型粒子群(IPSO)算法优化SVM参数的分类器。采用Libsvm工具箱中的公共数据集BreastTissue,Heart和Wine来测试其分类效果,结果表明IPSO-SVM分类器在预测精度和分类时间上明显优于SVM和PSO-SVM分类器。然后将其应用于滚动轴承的二分类问题和多分类问题的故障诊断中,仿真实验证明IPSOSVM分类器能显著提高全局收敛能力和收敛速度,可得到理想的分类结果。最后,用IPSO-SVM分类器对实际轴承进行故障诊断,结果验证了其拥有良好的分类稳定性,值得进一步在工程领域内推广。
Abstract
zhen dui cheng fa yin zi Che he can shu gshua ze bu dang zao cheng zhi chi xiang liang ji (SVM)fen lei xiao guo bu li xiang de wen ti ,zai ji ben li zi qun (PSO)suan fa ji chu shang yin ru dong tai guan xing quan chong 、quan ju lin yu sou suo 、chong qun shou su yin zi 、li zi bian yi gai lv deng cao zuo ,di chu le yi chong xin de gai jin xing li zi qun (IPSO)suan fa you hua SVMcan shu de fen lei qi 。cai yong Libsvmgong ju xiang zhong de gong gong shu ju ji BreastTissue,Hearthe Winelai ce shi ji fen lei xiao guo ,jie guo biao ming IPSO-SVMfen lei qi zai yu ce jing du he fen lei shi jian shang ming xian you yu SVMhe PSO-SVMfen lei qi 。ran hou jiang ji ying yong yu gun dong zhou cheng de er fen lei wen ti he duo fen lei wen ti de gu zhang zhen duan zhong ,fang zhen shi yan zheng ming IPSOSVMfen lei qi neng xian zhe di gao quan ju shou lian neng li he shou lian su du ,ke de dao li xiang de fen lei jie guo 。zui hou ,yong IPSO-SVMfen lei qi dui shi ji zhou cheng jin hang gu zhang zhen duan ,jie guo yan zheng le ji yong you liang hao de fen lei wen ding xing ,zhi de jin yi bu zai gong cheng ling yu nei tui an 。
论文参考文献
论文详细介绍
论文作者分别是来自机械与电子的吕明珠,苏晓明,陈长征,刘世勋，发表于刊物机械与电子2019年01期论文，是一篇关于支持向量机论文,参数优化论文,改进粒子群算法论文,滚动轴承论文,故障诊断论文,机械与电子2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自机械与电子2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：支持向量机论文; 参数优化论文; 改进粒子群算法论文; 滚动轴承论文; 故障诊断论文; 机械与电子2019年01期论文;