论文摘要
灰狼算法（GWO）作为新型寻优算法,可用于轴承故障诊断。提出了采用GWO优化代价敏感支持向量机（CS-SVM）的诊断模型。通过经验模态分解（EMD）及主成分分析（PCA）进行特征提取并实现特征的降维,GWO优化CS-SVM参数来提升故障分类的准确率。以西储大学轴承数据为例,将比例为4∶1的训练样本和测试样本带入GWO优化的CS-SVM模型,诊断测试的准确率为96.67%,相比于传统PSO算法的准确率有所提升,收敛速度更快,表明了GWO优化的CS-SVM具有优越性。由此可以得出,GWO可用于轴承故障诊断的研究,验证了该算法模型的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 马小平,李博华,张旭,吴新忠
关键词: 轴承故障诊断
来源: 煤矿机械 2019年05期
年度: 2019
分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 中国矿业大学信息与控制工程学院
基金: 国家重点研发计划资助(2018YFC0808100),江苏省重点研发计划项目(SBE2016000850)
分类号: TP18;TH133.33
DOI: 10.13436/j.mkjx.201905056
页码: 171-173
总页数: 3
文件大小: 289K
下载量: 160
相关论文文献
标签：轴承故障诊断论文;