×

基于麻雀搜索算法优化SVM的故障诊断

消耗积分:0 | 格式:pdf | 大小:1.61 MB | 2021-06-01

分享资料个

　　针对支持向量机（ support vector machine，swM）的分类性能受自身参数选择影响较大的问题，提出了基于麻雀搜索算法（ sparrow search algorithm，SSA）优化SⅤM的故障诊断方法。利用麻雀搜索算法（SSA）对支持向量机的惩罚参数（C）与核参数（g）进行优化，并构建SSA-sVM滚动轴承故障诊断模型。结果表明：对于滚动轴承的常见故障， SSA-SVM诊断模型的测试正确率为96.67%，比传统的遗传算法（ genetic algorithm，GA）-SVM和粒子群算法（ particle swarm optimization，PSO）-SVM诊断模型分别提高3.34%和1.67%，且收敛速度更快，可有效应用于故障诊断。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !