基于遗传算法参数优化支持向量机的应用研究.doc

文档介绍：
基于遗传算法参数优化支持向量机的应用
研究
李雅梅,贺西*
5
10
15
20
25
30
35
(辽宁工程技术大学电气与控制工程学院,葫芦岛 125105)
摘要:为提高支持向量机的分类性能,提出了一种小生境遗传算法(NGA)参数优化支持向量
机的方法,并将其应用于滚动轴承的故障诊断中。采用 NGA 对支持向量机进行参数优化,可
很好的完成模式识别和非线性回归。采用表征轴承故障特征的能量特征向量作为实验分类样
本,并与未经优化的支持向量机进行实验对比,实验结果表明,在有限故障样本条件下,该
方法能够提高分类的准确率。
关键词:小生境遗传算法; 故障诊断;支持向量机; 参数优化
中图分类号:
Application of support vector machine based on ic
algorithms to optimize the parameters
LI Yamei, HE Xi
(Liaoning Technical University,Institute of electrical and control engineering,Huludao 125105)
Abstract: In order to improve the classification performance of support vector machine,this paper
proposes a niche ic algorithm(NGA) optimization method of SVM,and its application in the fault
diagnosis of rolling bearing. SVM based on niche ic algorithm(NGA) is capable of pattern
recognition and nonlinear fault feature representation of bearing the energy eigenvectors
as the experimental samples,pared with non-optimization of SVM, By the contrast analysis,the
experiment shows that this method has a better classification performance under the condition of
limited fault samples.
Key words: NGA; fault diagnosis; SVM; parameter optimization
0 引言
对滚动轴承工作状态进行实时监测,并尽可能的检测出故障状态及时诊断出故障类型,
进而排除故障具有十分重要的意义。据统计,旋转机械故障的 30%是由轴承故障引起的,
在滚动轴承的故障中 90%的故障来自外环和内环的故障。针对现场采集的含噪信号进行预
处理,提取出优质的故障特征可以提高故障诊断的效率和准确率[1-3]。本文选用小波包变换
的方法对信号进行特征提取,针对不同的故障状