基于改進(jìn)支持向量機(jī)的風(fēng)電機(jī)組故障分類識別
摘要：針對支持向量在分類過程中,特別是對于非線性可分問題,如果采用不同的核函 數(shù),支持向量機(jī)（ SVM）可以構(gòu)造不同的學(xué)習(xí)機(jī)器和分類模型,從而導(dǎo)致分類算法復(fù)雜且 分類精度較低.研究了 SVM的軸承診斷原理,測試診斷方案及原始測試數(shù)據(jù)的特征提 取,最后進(jìn)行了數(shù)據(jù)訓(xùn)練和測試實(shí)驗(yàn)仿真,然后對風(fēng)力發(fā)電機(jī)組機(jī)械故障進(jìn)行診斷,實(shí)驗(yàn) 說明了改進(jìn)后的SVM故障分類方法的可行性和有效性.在建立故障分類模型之后,采用 網(wǎng)格搜索法、遺傳算法、粒子群算法對支持向量機(jī)的懲罰參數(shù)C 和徑向基核函數(shù)參數(shù)y 進(jìn)行優(yōu)化選擇,通過分析發(fā)現(xiàn)故障分類精度提升比較明顯.
注: 保護(hù)知識產(chǎn)權(quán),如需閱讀全文請聯(lián)系蘭州石化職業(yè)技術(shù)學(xué)院學(xué)報(bào)雜志社
相關(guān)推薦
更多
數(shù)學(xué)教育.jpg)
于我們.jpeg)