煤矿机械
煤礦機械
매광궤계
COAL MINE MACHINERY
2011年
11期
276-278
,共3页
机械故障%诊断%支持向量机%粒子群
機械故障%診斷%支持嚮量機%粒子群
궤계고장%진단%지지향량궤%입자군
将支持向量机理论引入振动机械故障诊断中,提出了新的故障诊断模型-PSO-SVM模型,并采用粒子群优化算法对支持向量机的参数进行优化,使得故障诊断结果更加准确.通过实例中的样本数据进行新模型的训练与测试,将其结果与传统神经网络相比,证明其模型具有更高的准确性.
將支持嚮量機理論引入振動機械故障診斷中,提齣瞭新的故障診斷模型-PSO-SVM模型,併採用粒子群優化算法對支持嚮量機的參數進行優化,使得故障診斷結果更加準確.通過實例中的樣本數據進行新模型的訓練與測試,將其結果與傳統神經網絡相比,證明其模型具有更高的準確性.
장지지향량궤이론인입진동궤계고장진단중,제출료신적고장진단모형-PSO-SVM모형,병채용입자군우화산법대지지향량궤적삼수진행우화,사득고장진단결과경가준학.통과실례중적양본수거진행신모형적훈련여측시,장기결과여전통신경망락상비,증명기모형구유경고적준학성.
