宁夏大学学报（自然科学版）
寧夏大學學報（自然科學版）
저하대학학보（자연과학판）
2014年
2期
141-143
,共3页
支持向量机%模拟退火算法%故障诊断%参数优化
支持嚮量機%模擬退火算法%故障診斷%參數優化
지지향량궤%모의퇴화산법%고장진단%삼수우화
support vector machine%simulated annealing algorithms%fault diagnosis%parameter optimiza-tion
为提高支持向量机在机械故障诊断测试中的分类正确率，将模拟退火算法与支持向量机相结合，用模拟退火算法优化支持向量机核函数及其参数，再将故障特征输入支持向量机进行故障识别。诊断实例表明，该方法与传统支持向量机方法相比能得到较高的诊断精度。
為提高支持嚮量機在機械故障診斷測試中的分類正確率，將模擬退火算法與支持嚮量機相結閤，用模擬退火算法優化支持嚮量機覈函數及其參數，再將故障特徵輸入支持嚮量機進行故障識彆。診斷實例錶明，該方法與傳統支持嚮量機方法相比能得到較高的診斷精度。
위제고지지향량궤재궤계고장진단측시중적분류정학솔，장모의퇴화산법여지지향량궤상결합，용모의퇴화산법우화지지향량궤핵함수급기삼수，재장고장특정수입지지향량궤진행고장식별。진단실례표명，해방법여전통지지향량궤방법상비능득도교고적진단정도。
To improve the classification accuracy of the support vector machine (SVM)in mechanical fault diagnosis,the simulated annealing algorithm and the support vector machine (SVM)is combined.First, the kernel parameters for SVM are optimized by using the simulated annealing algorithm.Then the fault feature is inputted into the support vector machines with the best kernel parameters for fault identification. The experimental result shows that the method,compared with the traditional support vector machine, can obtain higher diagnosis accuracy with fewer features.
