| 基于人工蜂群算法的KPCA特征优化提取 |
| |
| 引用本文： | 李强,杨大炼,黄文庆,江凯.基于人工蜂群算法的KPCA特征优化提取[J].机械设计与研究,2015,31(1):65-69. |
| |
| 作者姓名： | 李强 杨大炼 黄文庆 江凯 |
| |
| 作者单位： | 湖南工业职业技术学院机械工程系;中南大学机电工程学院; |
| |
| 基金项目： | 湖南省科技计划资助项目(2012GK3094);湖南省教育厅科学研究项目优秀青年专项(14B052) |
| |
| 摘 要： | 采用KPCA进行特征提取时,其核函数参数对轴承故障特征的可分性影响很大,直接影响轴承故障诊断的准确率,而使最优的核参数难以选取。针对这一问题,采用人工蜂群算法与KPCA相结合,提出了基于人工蜂群算法的KPCA核参数优化选取方法,并实现了滚动轴承故障特征的优化提取。试验结果表明,该方法能够最大程度提高故障样本的可分性和SVM模型的分类精度;同时通过对比分析遗传算法、粒子群算法及人工蜂群算法的优化结果,验证了该方法具有更好的寻优能力。
|
| 关 键 词： | 人工蜂群算法 核主元分析(KPCA) 特征提取 故障诊断 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《机械设计与研究》浏览原始摘要信息 |
|
点击此处可从《机械设计与研究》下载全文 |
|
