基于混沌人工蜂群算法优化的SVM齿轮故障诊断

被引：8

作者：

刘霞 ^{[1
]}

张姗姗 ^{[1
]}

胡铭鉴 ^{[2
]}

机构：

[1] 东北石油大学电气信息工程学院

[2] 新疆石油勘探设计研究(有限公司)仪信所

来源：

吉林大学学报(信息科学版) | 2015年 / 33卷 / 04期

基金：

黑龙江省自然科学基金;

关键词：

支持向量机; 混沌人工蜂群算法; 参数优化; 齿轮故障诊断;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为克服支持向量机中模型参数的随意选择对分类性能造成的不利影响,提出了基于混沌人工蜂群算法的支持向量机(CABC-SVM:Chaotic Artificial Bee Colony algorithm of Support Vector Machine)参数优化方法。该方法采用Logistic混沌映射初始化种群和锦标赛选择策略,对支持向量机的惩罚因子和核函数参数进行优化时以分类准确率作为适应度函数。通过UCI标准数据集实验证明,CABC具有较强的局部和全局搜索能力,其优化的支持向量机可在很大程度上克服局部极值点,从而获取更高的分类准确率,并有效缩短了搜索时间。将该方法应用于实际齿轮故障诊断中,采用小波相对能量作为特征输入支持向量机,分类准确率达到99.4%,验证了该方法的可行性和有效性。

引用

页码：476 / 484

页数：9

共 9 条

[1] 基于核函数支持向量回归机的耕地面积预测 [J].

王霞 ;

王占岐 ;

金贵 ;

杨俊 .

农业工程学报, 2014, 30 (04) :204-211

[2] 基于对支持向量机的多类分类算法在入侵检测中的应用 [J].

聂盼盼 ;

臧洌 ;

刘雷雷 .

计算机应用, 2013, 33 (02) :426-429

[3] 基于特征信息融合的离散小波SVM齿轮故障诊断方法研究 [J].

成钰龙 ;

程刚 ;

沈利华 ;

邱锦波 ;

山显雷 .

组合机床与自动化加工技术, 2012, (08) :70-73+77

[4] 基于SVM分类问题的核函数选择仿真研究 [J].

宋晖 ;

薛云 ;

张良均 .

计算机与现代化, 2011, (08) :133-136

[5] 利用支持向量机补偿温度对光纤光栅传感的影响 [J].

邵军 ;

刘君华 ;

乔学光 ;

贾振安 .

光电子激光, 2010, (06) :803-807

[6] 基于神经网络的齿轮故障诊断专家系统 [J].

李佳 ;

礼宾 ;

王梦卿 .

机械传动, 2007, (05) :81-83+119

[7] 基于支持向量机的机械系统多故障分类方法 [J].

段江涛 ;

李凌均 ;

张周锁 ;

何正嘉 ;

符寒光 .

农业机械学报, 2004, (04) :144-147

[8] A comparative study of Artificial Bee Colony algorithm [J].

Karaboga, Dervis ;

Akay, Bahriye .

APPLIED MATHEMATICS AND COMPUTATION, 2009, 214 (01) :108-132

[9]

A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm[J] . Dervis Karaboga,Bahriye Basturk.J. Global Optimization . 2007 (3)

← 1 →