| 改进SVM模型在轴承故障诊断中的应用研究 |
| |
| 引用本文： | 侯国平,马萱,唐茗. 改进SVM模型在轴承故障诊断中的应用研究[J]. 机械设计与制造, 2012, 0(9): 99-101 |
| |
| 作者姓名： | 侯国平 马萱 唐茗 |
| |
| 作者单位： | 1. 重庆电力高等专科学校,重庆,400533
2. 水电机械设备设计与维护湖北省重点实验室,宜昌,443002 |
| |
| 基金项目： | 国家自然科学基金资助项目资助(51175297) |
| |
| 摘 要： | 针对轴承故障诊断中支持向量机(SVM)模型结构自适应性差,导致SVM检测效率不高的问题,提出了基于核主成分分析(KPCA)和蚁群优化支持向量机(PSO-SVM)的轴承故障检测方法.该方法不仅能够利用KPCA选择轴承故障数据重要的非线性特征,确定最佳特征变量数,同时还应用PSO优化SVM训练过程,从而获得结构参数合理且泛化能力良好的轴承故障诊断模型.通过轴承故障实验数据来检验模型,结果表明了所提方法检测性能高于目前常采用的PCA-SVM、KPCA-SVM以及SVM等方法,从而为SVM更好应用于轴承故障诊断提供技术支持.
|
| 关 键 词： | 轴承 故障诊断 支持向量机 核主成分分析 蚁群算法 |
Application Research of Improved SVM Model for Intrusion Detection |
| |
| HOU Guo-ping , MA Xuan , TANG Ming. Application Research of Improved SVM Model for Intrusion Detection[J]. Machinery Design & Manufacture, 2012, 0(9): 99-101 |
| |
| Authors: | HOU Guo-ping MA Xuan TANG Ming |
| |
| Affiliation: | 1Chongqing Electric Power College,Chongqing 400533,China)(2Hubei Key Laboratory of Hydroelectric Machinery Design & Maintenance,Yichang 443002,China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
