基于改進(jìn)支持向量機的風(fēng)電機組故障分類(lèi)識別
摘要：針對支持向量在分類(lèi)過(guò)程中,特別是對于非線(xiàn)性可分問(wèn)題,如果采用不同的核函 數,支持向量機（ SVM）可以構造不同的學(xué)習機器和分類(lèi)模型,從而導致分類(lèi)算法復雜且 分類(lèi)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據的特征提 取,最后進(jìn)行了數據訓練和測試實(shí)驗仿真,然后對風(fēng)力發(fā)電機組機械故障進(jìn)行診斷,實(shí)驗 說(shuō)明了改進(jìn)后的SVM故障分類(lèi)方法的可行性和有效性.在建立故障分類(lèi)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C 和徑向基核函數參數y 進(jìn)行優(yōu)化選擇,通過(guò)分析發(fā)現故障分類(lèi)精度提升比較明顯.
注: 保護知識產(chǎn)權,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)報雜志社
相關(guān)推薦
更多
文摘.jpg)
數學(xué)教育.jpg)
于我們.jpeg)