首页 | 本学科首页   官方微博 | 高级检索  
     

基于粒子群算法和支持向量机的故障诊断研究
引用本文:张树团,张晓斌,雷涛,邸亚洲.基于粒子群算法和支持向量机的故障诊断研究[J].计算机测量与控制,2008,16(11):1573-1574,1581.
作者姓名:张树团  张晓斌  雷涛  邸亚洲
作者单位:西北工业大学自动化学院,陕西,西安,710072
摘    要:支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中;支持向量机中核函数的参数选择非常重要,它决定着故障诊断的精确度;为了提高电气设备故障诊断的精度和效率,将粒子群优化算法和最小二乘支持向量机相结合,提出了一种基于粒子群支持向量机的故障诊断方法,能够实现对核函数的σ参数进行快速动态选取,提高故障诊断的准确率和效率;实验表明,该方法能够有效地找出合适的核参数,并能取得较好的分类效果。

关 键 词:最小二乘支持向量机  粒子群算法  故障诊断  全局最优

Research on Fault Diagnosis Based on PSO and SVM
Zhang Shutuan,Zhang Xiaobin,Lei Tao,Di Yazhou.Research on Fault Diagnosis Based on PSO and SVM[J].Computer Measurement & Control,2008,16(11):1573-1574,1581.
Authors:Zhang Shutuan  Zhang Xiaobin  Lei Tao  Di Yazhou
Affiliation:(College of Automation,Northwestern Polytechnical University,Xi ’ an 710072,China)
Abstract:
Keywords:LSSVM  particle swarm optimization(PSO)  fault diagnosis  global optimization
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号