基于参数优化的支撑矢量机及其在故障诊断中的应用

发布时间：2018-04-10 19:33

  本文选题：机电工程 + 故障诊断　； 参考：《重庆交通大学学报(自然科学版)》2017年10期

【摘要】：为了有效的诊断出设备的故障,给出了一种基于参数优化的支撑矢量机算法。该算法首先引入免疫克隆选择机制,以两个十进制数表示一个抗体来构建抗体群,以漏报率为基础构造亲和度函数,实现支撑矢量机参数的优化。然后使用优化后的参数构造支撑矢量分类器对设备数据进行分类检测。通过在汽轮发电机组的数据集上进行仿真验证,实验结果表明,该算法相对传统的支撑矢量机算法不会显著增加训练时间,并且能够有效提高检测率和降低误检率。
[Abstract]:In order to diagnose the fault of the equipment effectively, a support vector machine algorithm based on parameter optimization is presented.In this algorithm, the immune clone selection mechanism is first introduced, and the antibody group is constructed by using two decimal numbers to represent an antibody, and the affinity function is constructed on the basis of the false report rate to optimize the parameters of the support vector machine.Then the optimized parameters are used to construct the support vector classifier to detect the equipment data.The simulation results on the data set of turbine-generator set show that the proposed algorithm does not significantly increase the training time compared with the traditional support vector machine algorithm and can effectively improve the detection rate and reduce the false detection rate.
【作者单位】： 重庆市轨道交通(集团)有限公司;
【基金】：国家安全监管总局科技攻关项目(zhishu-031-2013AQ)
【分类号】：TH17

【相似文献】

相关期刊论文 前10条

1 张立众;孙志勇;;“逐项排除法”在故障诊断中的应用[J];矿山机械;1990年09期

2 贾民平;机械故障诊断学的理论及其应用 第一讲 故障诊断的意义及研究发展概况[J];江苏机械制造与自动化;1999年01期

3 杨晓磊;;浅谈我国铁路机车故障诊断[J];科技风;2014年06期

4 田少民;工程机械的状态监测与故障诊断技术[J];工程机械;2001年01期

5 王敏,王万俊,熊春山,黄心汉;基于多传感器数据融合的故障诊断技术[J];华中科技大学学报;2001年02期

6 潘松海;介绍一种故障诊断方法[J];组合机床与自动化加工技术;2001年06期

7 李德跃;发动机突然熄火的故障诊断[J];城市车辆;2001年02期

8 王小虎;机械式风速表检定中的故障诊断及维修方法[J];中国计量;2002年03期

9 王清照,肖卫杰,王加璇;运用热经济学结构理论进行故障诊断的探讨[J];中国电机工程学报;2003年09期

10 陈东林;烟草设备的故障诊断技术应用与展望[J];中国设备工程;2003年06期

相关会议论文 前10条

1 杨其校;刘昭度;齐志权;马岳峰;;汽车ABS电机故障诊断[A];第三届全国信息获取与处理学术会议论文集[C];2005年

2 黎清海;高庆;;基于系统分层的故障诊断方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 闻竞竞;黄道;;故障诊断方法综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 李t，

本文编号：1732599