文档介绍：第35卷第2期 宁夏大学学报(自然科学版) JournalofNingxiaUniversity(NaturalScienceEdition) 2O14年6月 文章编号:0253—2328(2014)02-0141—03 模拟退火算法与支持向量机在机械故障诊断中的应用纪华,马伏龙(宁夏大学机械工程学院,宁夏银川 750021) 摘要:为提高支持向量机在机械故障诊断测试中的分类正确率,将模拟退火算法与支持向量机相结合,用模拟退火算法优化支持向量机核函数及其参数,,该方法与传统支持向量机方法相比能得到较高的诊断精度. 关键词:支持向量机;模拟退火算法;故障诊断;参数优化分类号:(中图)TP206 文献标志码:A 伴随着现代化进程的加快,与之相应的物资生产设备的效率与质量也要求能与其合拍,,,对机械设备进行有效的状态监控和故障诊断具有非常重要的现实意义. 机械设备故障诊断的实质是典型的模式识别问题,主要判断机组运行状态是否正常,以及对存在故障的机组,确定其故障形态和故障发生的具体部位等。模式识别主要有数据获取、预处理、特征提取和分类决策4部分组成口].本文主要针对分类决策进行研究与讨论. 现阶段机械设备故障诊断已开始采用人工智能化技术,,在非线性系统领域中崭露头角,但其核函数及其参数的优化选择,,,一定程度上降低了人为选择参数的困难,提高了计算效率和预测精度,具有一定的创新性和现实意义. 支持向量机与故障诊断支持向量机(supportvectormachine,SVM)是在统计学****理论(statisticallearningtheory,SLT)基础上发展起来的一种新的机器学****方法,它较好地解决了小样本、非线性和高维模式识别等实际问题,,在设备故障诊断领域得到了较多的研究和应用. 支持向量机是结构风险最小化方法的近似实现,是从线性可分情况下的最优分类面发展而来的. 所谓线性可分,是指训练样本(z,),i一1,2,?, f,其中输入z∈R’,输出∈{1,一l},可以被一个超平面叫·+b一0(其中W是可调的权值向量,b 是偏置),,在满足 Ew·/12+6≥1;i=:=1,2,?,z, (1) 的约束条件下求(叫)一lIWI1/2 (2) 的最小值. 利用Lagrange优化方法把上述最优分类面问题转化为其对偶问题,即 max:w(a)一∑a一专∑∑.y^·(3) 满足约束 ogiYi一0,O/i≥0,i一1,2,?,z. (4) 求解出上述各系数对应的最优解a,b后,得到最优分类函数()一sgn『_∑a(.Lz)+b]. (5) 对于非线性不可分模式,可通过核函数K(