基于改進支持向量機的風電機組故障分類識別
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（ SVM）可以構造不同的學習機器和分類模型,從而導致分類算法復雜且 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,最后進行了數(shù)據(jù)訓練和測試實驗仿真,然后對風力發(fā)電機組機械故障進行診斷,實驗 說明了改進后的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的懲罰參數(shù)C 和徑向基核函數(shù)參數(shù)y 進行優(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: 保護知識產權,如需閱讀全文請聯(lián)系蘭州石化職業(yè)技術學院學報雜志社
相關推薦
更多
學教育.jpg)
