1
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。
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,不代表德赢Vwin官网 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
全部0条评论
快来发表一下你的评论吧 !