Print

基于GWO优化的CS-SVM轴承故障诊断

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

  • 0 引言
  • 1 CS-SVM算法及其参数
  • 2 基于GWO优化的CS-SVM
  • 3 模型性能分析
  • 4 结语

    • 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

    本文来源: https://www.lunwen66.cn/article/c5718ebfc5c98e683b9684c0.html